用于极低分辨率图像识别的双导向胶囊网络
计算机视觉与模式识别
2019-08-28 v1
摘要
极低分辨率（VLR）图像识别是指对分辨率为 16x16 或更低的图像进行分类。尽管在物体以极远距离（如监控场景）或广角移动摄像头拍摄时具有广泛适用性，但该问题受到的关注有限。本研究提出一种新颖的双导向胶囊网络模型，称为 DirectCapsNet，用于解决 VLR 数字与人脸识别问题。所提架构利用胶囊层与卷积层的组合来学习有效的 VLR 识别模型。该架构还引入了两种新颖的损失函数：（i）所提 HR-anchor 损失与（ii）所提目标重建损失，以克服 VLR 图像信息内容有限的挑战。所提损失在训练期间使用高分辨率图像作为辅助数据来“引导”判别性特征学习。针对 VLR 数字分类与 VLR 人脸识别进行了多项实验，并与最先进算法进行比较。所提 DirectCapsNet 始终展现出最先进的结果；例如，在 UCCS 人脸数据库上，当 16x16 图像与 80x80 图像匹配时，其人脸识别准确率超过 95%。
引用
@article{arxiv.1908.10027,
title = {Dual Directed Capsule Network for Very Low Resolution Image Recognition},
author = {Maneet Singh and Shruti Nagpal and Richa Singh and Mayank Vatsa},
journal= {arXiv preprint arXiv:1908.10027},
year = {2019}
}
备注
Accepted in the International Conference on Computer Vision (ICCV) 2019