FocusFace：面向遮挡人脸识别的多任务对比学习
计算机视觉与模式识别
2021-11-03 v2 机器学习
摘要
SARS-CoV-2 给科学界带来了直接与间接挑战。其中最显著的间接挑战之一源于众多国家强制使用口罩。人脸识别方法难以对戴口罩与未戴口罩个体以相近精度进行身份核验。已表明这些方法在存在口罩时性能大幅下降，尤其当参考图像为未戴口罩时。我们提出 FocusFace，一种利用对比学习以准确执行遮挡人脸识别的多任务架构。所提架构可从零训练或置于最先进人脸识别方法之上，且不牺牲已有模型在常规人脸识别任务中的能力。我们还探索了设计对比学习模块的不同方法。结果以戴口罩-戴口罩（M-M）与未戴口罩-戴口罩（U-M）人脸核验性能给出。两种设置下结果均与已发表方法相当，但就 M-M 而言，所提方法优于所有被比较的方案。我们进一步表明，当将我们的方法用于已有方法之上时，训练计算成本显著下降而保持相似性能。实现与训练模型已于 GitHub 提供。
引用
@article{arxiv.2110.14940,
title = {FocusFace: Multi-task Contrastive Learning for Masked Face Recognition},
author = {Pedro C. Neto and Fadi Boutros and João Ribeiro Pinto and Naser Damer and Ana F. Sequeira and Jaime S. Cardoso},
journal= {arXiv preprint arXiv:2110.14940},
year = {2021}
}
备注
Accepted at the 16th IEEE International Conference on Automatic Face and Gesture Recognition, FG 2021