使用具有更高特征判别力的 $Sf_{3}CNN$ 进行人脸识别
计算机视觉与模式识别
2021-02-03 v1
摘要
随着二维卷积神经网络（2D CNNs）的出现，人脸识别准确率已达到 99% 以上。然而，在真实世界条件下人脸识别仍具挑战性。视频而非图像作为输入，更有助于解决真实世界条件下人脸识别的挑战。这是因为视频比图像提供更多的特征。然而，2D CNNs 无法利用视频中存在的时序特征。因此我们提出一种称为 的框架用于视频中的人脸识别。 框架使用三维残差网络（3D Resnet）与 A-Softmax 损失进行视频人脸识别。3D ResNet 的使用有助于将空间与时序特征捕获至一个紧凑的特征图中。然而，3D CNN 特征必须具有高度判别力以实现高效人脸识别。A-Softmax 损失的使用有助于从视频中提取高度判别性特征用于人脸识别。与之前在同一数据库上使用 3D ResNets 的 97% 准确率相比， 框架在 CVBL 视频数据库上达到了 99.10% 的提升准确率。
引用
@article{arxiv.2102.01404,
title = {Face Recognition Using $Sf_{3}CNN$ With Higher Feature Discrimination},
author = {Nayaneesh Kumar Mishra and Satish Kumar Singh},
journal= {arXiv preprint arXiv:2102.01404},
year = {2021}
}
备注
6 pages, 3 figures, 1 table, 5th IAPR International Conference on Computer Vision & Image Processing 2020