探索迁移学习在深色皮肤、低质量与低资源人脸数据人脸识别上的应用
计算机视觉与模式识别
2021-01-27 v1 机器学习
摘要
深肤色与浅肤色人群的皮肤色调存在巨大差异。尽管有此事实，大多数人脸识别任务中几乎所有经典的 SOTA 模型都在包含绝大多数为浅肤色人脸图像的数据集上训练。收集大量深肤色人脸数据并从头训练模型十分繁琐。本文中，我们对 VGGFace 应用迁移学习，以检验其在识别主要为埃塞俄比亚人的深肤色人脸上的表现。该数据集为低质量且低资源。我们的实验结果显示准确率超过 95%，表明在此类设定下迁移学习是有效的。
引用
@article{arxiv.2101.10809,
title = {Exploring Transfer Learning on Face Recognition of Dark Skinned, Low Quality and Low Resource Face Data},
author = {Nuredin Ali},
journal= {arXiv preprint arXiv:2101.10809},
year = {2021}
}
备注
3 pages, 2 figures