基于耦合深度变换学习的人脸素描匹配
计算机视觉与模式识别
2017-10-10 v1
摘要
人脸素描到数字图像的匹配是人脸识别中的一个重要挑战，涉及跨不同域进行匹配。当前的研究工作主要集中在提取域不变表示或学习从一个域到另一个域的映射。在本研究中，我们提出了一种新颖的基于变换学习的方法，称为DeepTransformer，它学习两个域特征之间的变换和映射函数。所提出的公式与输入信息无关，可应用于任何现有的学习特征或手工特征。由于映射函数本质上是定向的，我们提出了DeepTransformer的两种变体：(i) 半耦合和 (ii) 对称耦合深度变换学习。本研究还使用了一个新颖的IIIT-D复合素描年龄变化（CSA）数据库，该数据库包含150位受试者的素描图像以及按年龄分隔的数字照片。所提出模型的性能在一个新颖的素描到素描匹配应用以及素描到数字照片匹配上进行了评估。实验结果表明，与现有的最先进素描匹配算法和商业人脸识别系统相比，所提出的模型具有鲁棒性。
引用
@article{arxiv.1710.02914,
title = {Face Sketch Matching via Coupled Deep Transform Learning},
author = {Shruti Nagpal and Maneet Singh and Richa Singh and Mayank Vatsa and Afzel Noore and Angshul Majumdar},
journal= {arXiv preprint arXiv:1710.02914},
year = {2017}
}
备注
International Conference on Computer Vision, 2017