FaceFusion：利用多数据集的全谱信息
计算机视觉与模式识别
2023-05-25 v1
摘要
训练数据集的规模已知是训练高性能人脸识别嵌入模型最具支配性的因素之一。从零构建大型数据集可能繁琐且耗时，而合并多个已构建的数据集则带来引入大量标签噪声的风险。我们提出一种名为 FaceFusion 的新型训练方法。它创建不同数据集的融合视图，不受身份冲突污染，同时以端到端方式使用该视图训练嵌入网络。利用合并数据集的统一视图使嵌入网络能针对数据集的全谱进行训练，带来显著的性能提升。大量实验证实了我们的方法的优越性，其在公开评估数据集上的表现不仅超越使用单一训练数据集，也超越此前已知方法在各种训练情境下的表现。
引用
@article{arxiv.2305.14601,
title = {FaceFusion: Exploiting Full Spectrum of Multiple Datasets},
author = {Chiyoung Song and Dongjae Lee},
journal= {arXiv preprint arXiv:2305.14601},
year = {2023}
}