使用 Transformer 与卷积网络进行集成学习的遮挡人脸识别
计算机视觉与模式识别
2022-10-11 v1 机器学习
摘要
佩戴口罩是我们为减少冠状病毒传播而必须采取的防护措施之一。面部持续被口罩遮盖，促使我们需要理解和研究这种行为如何影响人脸识别系统的识别能力。当前的人脸识别系统在处理无约束通用人脸识别案例时具有极高的准确率，但对遮挡的戴口罩人脸泛化不佳。在这项工作中，我们提出了一种用于遮挡人脸识别的系统。所提出的系统包含两个卷积神经网络（CNN）模型和两个 Transformer 模型。CNN 模型在 FaceNet 预训练模型上进行了微调。我们使用多数投票技术集成四个模型的预测以识别戴口罩的人员。所提出的系统在本文构建的合成戴口罩 LFW 数据集上进行了评估。使用集成模型获得了最佳准确率，为 92%。该识别率优于其他模型的准确率，并显示了所提模型在识别戴口罩人脸方面的正确性与鲁棒性。代码与数据可在 https://github.com/Hamzah-Luqman/MFR 获取。
关键词
引用
@article{arxiv.2210.04816,
title = {Ensemble Learning using Transformers and Convolutional Networks for Masked Face Recognition},
author = {Mohammed R. Al-Sinan and Aseel F. Haneef and Hamzah Luqman},
journal= {arXiv preprint arXiv:2210.04816},
year = {2022}
}
备注
6 pages