FH-GAN：基于生成对抗网络的人脸超分辨率重建与识别
计算机视觉与模式识别
2019-05-17 v1
摘要
有许多因素影响视觉人脸识别，例如低分辨率图像、衰老、光照和姿态变化等。其中最重要的问题之一是低分辨率人脸图像会导致人脸识别性能不佳。大多数通用的人脸识别算法通常假设人脸图像具有足够的分辨率。然而，在实际应用中，许多场景往往不具备足够的图像分辨率。现代人脸超分辨率重建（hallucination）模型在从其对应的低分辨率图像重建高分辨率图像方面表现出合理的性能。然而，它们在超分辨率重建过程中未考虑身份级别信息，这直接影响低分辨率人脸识别的结果。为解决此问题，我们提出了一种人脸超分辨率生成对抗网络（FH-GAN），其改善了低分辨率人脸图像的质量并准确识别这些低质量图像。具体而言，我们的贡献如下：1）我们提出FH-GAN网络，一个端到端系统，可同时改善人脸超分辨率重建与人脸识别。该网络的新颖性在于通过结合一个人脸识别网络以保留身份，将身份信息引入基于GAN的人脸超分辨率算法中。2）我们还提出了一种新的人脸超分辨率网络，即稠密稀疏网络（DSNet），其在人脸超分辨率方面优于现有最优方法。3）我们通过在人脸超分辨率与识别上报告良好结果，展示了联合训练人脸识别与基于GAN的DSNet的益处。
引用
@article{arxiv.1905.06537,
title = {FH-GAN: Face Hallucination and Recognition using Generative Adversarial Network},
author = {Bayram Bayramli and Usman Ali and Te Qi and Hongtao Lu},
journal= {arXiv preprint arXiv:1905.06537},
year = {2019}
}
备注
9 pages