基于少量数据引导学习端到端点云网络的三维人脸识别
计算机视觉与模式识别
2021-04-01 v1
摘要
三维人脸识别已在许多应用场景中展现出其潜力。在众多三维人脸识别方法中，基于深度学习的方法近年来蓬勃发展。本文提出了一种名为 Sur3dNet-Face 的端到端深度学习网络，用于基于点云的三维人脸识别。该网络以 PointNet 为骨干，PointNet 是一种成功的点云分类方案，但在人脸识别中不能正常工作。通过在网络架构上进行改进以及基于高斯过程可变形模型的少量数据引导学习框架，该骨干网络被成功改造用于三维人脸识别。与现有方法在多个数据集上用大量数据训练不同，我们的方法使用 FRGC v2.0 的 Spring2003 子集进行训练，该子集仅包含 943 个面部扫描，网络在这种少量真实数据的引导下得到了良好训练。在不对测试集进行微调的情况下，Rank-1 识别率（RR1）在 FRGC v2.0 数据集上达到 98.85%，在 Bosphorus 数据集上达到 99.33%，证明了我们方法的有效性和潜力。
引用
@article{arxiv.2103.16927,
title = {Few-Data Guided Learning Upon End-to-End Point Cloud Network for 3D Face Recognition},
author = {Yi Yu and Feipeng Da and Ziyu Zhang},
journal= {arXiv preprint arXiv:2103.16927},
year = {2021}
}
备注
9 pages, 5 figures