DeepFace-EMD：使用分块 Earth Mover's Distance 重排序改进分布外人脸识别
计算机视觉与模式识别
2022-03-28 v2 信息检索
机器学习
摘要
人脸识别（FI）无处不在，并驱动着执法部门做出的许多高风险决策。最先进的 FI 方法通过计算两幅图像嵌入之间的余弦相似度来比较它们。然而，这种方法对未包含在训练集或图库中的新型图像（例如，当查询人脸被遮挡、裁剪或旋转时）的分布外（OOD）泛化能力较差。在此，我们提出了一种重排序方法，利用图像块深度空间特征上的 Earth Mover's Distance 来比较两张人脸。我们额外的比较阶段在细粒度级别（例如，眼睛对眼睛）显式检查图像相似度，并且比传统 FI 对 OOD 扰动和遮挡更具鲁棒性。有趣的是，在不对特征提取器进行微调的情况下，我们的方法在所有测试的 OOD 查询（遮挡、裁剪、旋转和对抗）上持续提高了准确率，同时在分布内图像上获得了相似的结果。
引用
@article{arxiv.2112.04016,
title = {DeepFace-EMD: Re-ranking Using Patch-wise Earth Mover's Distance Improves Out-Of-Distribution Face Identification},
author = {Hai Phan and Anh Nguyen},
journal= {arXiv preprint arXiv:2112.04016},
year = {2022}
}
备注
CVPR 2022