利用特征相似性知识蒸馏增强低分辨率人脸识别
计算机视觉与模式识别
2023-04-12 v2
摘要
在本研究中，我们引入一种特征知识蒸馏框架，利用从高分辨率（HR）图像中获取的知识来改善低分辨率（LR）人脸识别性能。所提框架通过缩小 HR 训练网络与 LR 训练网络之间特征的距离，将信息性特征从 HR 训练网络迁移到 LR 训练网络。我们采用余弦相似度作为距离度量，以有效对齐 HR 与 LR 特征。该方法不同于使用 L_p 距离度量的常规知识蒸馏框架，其优势在于缩小不同分辨率特征间距离时收敛良好。我们的框架在 AgeDB-30 基准上无需额外技巧即比先前最优（SOTA）方法提升 3%，同时在 HR 图像上保持强劲性能。通过统计分析验证了余弦相似度作为距离度量的有效性，使我们的方法成为频繁遇到 LR 图像的真实应用中有前景的解决方案。代码与预训练模型公开于 https://github.com/gist-ailab/feature-similarity-KD。
引用
@article{arxiv.2303.04681,
title = {Enhancing Low-resolution Face Recognition with Feature Similarity Knowledge Distillation},
author = {Sungho Shin and Yeonguk Yu and Kyoobin Lee},
journal= {arXiv preprint arXiv:2303.04681},
year = {2023}
}