基于 corrupted 特征掩蔽的端到端遮挡人脸识别
计算机视觉与模式识别
2022-08-09 v3
摘要
随着深度卷积神经网络近期的进展，通用人脸识别取得了显著进步。然而，最先进的通用人脸识别模型对遮挡人脸图像的泛化不佳，而后者恰为真实场景中的常见情形。潜在原因在于缺乏大规模遮挡人脸训练数据，以及缺乏针对遮挡所致 corrupted 特征的专门设计。本文提出一种基于单一端到端深度神经网络、对遮挡鲁棒的新型人脸识别方法。我们的方法名为 FROM（带遮挡掩码的人脸识别，Face Recognition with Occlusion Masks），学习从深度卷积神经网络中发现 corrupted 特征，并通过动态学习的掩码将其清除。此外，我们构造海量遮挡人脸图像以有效且高效地训练 FROM。与依赖外部检测器发现遮挡或采用判别力较弱的浅层模型的现有方法相比，FROM 简洁而强大。在 LFW、Megaface challenge 1、RMF2、AR 数据集及其他模拟遮挡/掩码数据集上的实验结果证实，FROM 在遮挡下大幅提升了准确率，并在通用人脸识别上泛化良好。代码见 https://github.com/haibo-qiu/FROM
引用
@article{arxiv.2108.09468,
title = {End2End Occluded Face Recognition by Masking Corrupted Features},
author = {Haibo Qiu and Dihong Gong and Zhifeng Li and Wei Liu and Dacheng Tao},
journal= {arXiv preprint arXiv:2108.09468},
year = {2022}
}
备注
Accepted by TPAMI 2021. Code is available at https://github.com/haibo-qiu/FROM