利用教师任务蒸馏面部知识：用于姿态不变人脸识别的语义分割特征
计算机视觉与模式识别
2022-09-05 v1
摘要
本文展示了一种利用语义分割特征改善人脸识别姿态不变性的新方法。所提出的 Seg-Distilled-ID 网络联合学习身份识别与语义分割任务，其中分割任务随后被“蒸馏”（MobileNet 编码器）。在强调头部姿态变化的公开数据集上，针对三种最先进编码器进行了性能基准测试。实验评估表明，Seg-Distilled-ID 网络展现出显著的鲁棒性优势，测试准确率达到 99.9%，而 ResNet-101 为 81.6%、VGG-19 为 96.1%、InceptionV3 为 96.3%。这是在仅使用约顶尖编码器十分之一的推理参数下实现的。这些结果表明，蒸馏语义分割特征可有效解决人脸识别的姿态不变性问题。
引用
@article{arxiv.2209.01115,
title = {Distilling Facial Knowledge With Teacher-Tasks: Semantic-Segmentation-Features For Pose-Invariant Face-Recognition},
author = {Ali Hassani and Zaid El Shair and Rafi Ud Duala Refat and Hafiz Malik},
journal= {arXiv preprint arXiv:2209.01115},
year = {2022}
}