探索提升低分辨率人脸识别性能的因素
计算机视觉与模式识别
2019-07-26 v2
摘要
最先进的深度人脸识别方法在流行基准数据集（如LFW）上报告了近乎完美的性能。然而，当应用于低质量图像（如监控摄像头获取的图像）时，其性能会显著下降。监控应用中低分辨率人脸识别的另一个挑战是，将记录的低分辨率探针人脸图像与高分辨率参考图像进行匹配，这在监控名单场景中可能出现。在本文中，我们解决了这些问题，并研究了当最先进的深度人脸识别模型在不匹配条件下应用于低分辨率人脸识别时，哪些因素会对其识别性能产生影响。我们观察到，以下因素对性能有积极影响：训练数据集的表观多样性和分辨率分布、图库图像与探针图像之间的分辨率匹配，以及探针图像中包含的信息量。通过利用这些信息，我们使用了在MS-Celeb-1M上预训练并在VGGFace2数据集上微调的深度人脸模型，即使在未使用这些基准数据集任何训练数据的情况下，也在SCFace和ICB-RW基准上取得了最先进的准确率。
引用
@article{arxiv.1907.10104,
title = {Exploring Factors for Improving Low Resolution Face Recognition},
author = {Omid Abdollahi Aghdam and Behzad Bozorgtabar and Hazım Kemal Ekenel and Jean-Philippe Thiran},
journal= {arXiv preprint arXiv:1907.10104},
year = {2019}
}
备注
CVPR Workshop on Biometrics 2019