Frankenstein：利用小数据学习深度人脸表示
计算机视觉与模式识别
2017-09-22 v3
摘要
深度卷积神经网络近来被证明对于非受限环境下的困难人脸识别问题极为有效。训练此类网络需要含数百万标注图像的极大型训练集。对于某些应用，如近红外(NIR)人脸识别，此类大型训练数据集不公开且难以收集。本工作中，我们提出一种方法，通过给定数据集中真实人脸图像的组合来生成极大型合成图像训练数据集。我们展示该方法能从少至10,000张训练图像学习模型，其性能与从500,000张图像训练的模型相当。利用我们的方法，我们还在CASIA NIR-VIS2.0异构人脸识别数据集上取得了最先进结果。
引用
@article{arxiv.1603.06470,
title = {Frankenstein: Learning Deep Face Representations using Small Data},
author = {Guosheng Hu and Xiaojiang Peng and Yongxin Yang and Timothy Hospedales and Jakob Verbeek},
journal= {arXiv preprint arXiv:1603.06470},
year = {2017}
}
备注
IEEE TIP