生成照片级真实感训练数据以提升人脸识别精度
计算机视觉与模式识别
2018-11-02 v1 机器学习
机器学习
摘要
本文研究了使用合成数据来增强人脸数据集的可行性。具体而言，我们提出了一种新颖的生成对抗网络（GAN），该网络能够将与身份相关的属性与非身份相关的属性解耦。这是通过训练一个嵌入网络，将离散身份标签映射到遵循简单先验分布的身份潜空间，并训练一个以该分布中采样为条件的GAN来实现的。我们提出的GAN能够通过生成训练集中已有对象的合成图像以及训练集中未出现的新对象的合成图像来增强人脸数据集。利用GAN训练的最新进展，我们表明我们的模型生成的合成图像具有照片级真实感，并且与使用仅含真实图像的数据集训练的模型相比，使用增强数据集进行训练确实能够提高人脸识别模型的精度。
引用
@article{arxiv.1811.00112,
title = {Generating Photo-Realistic Training Data to Improve Face Recognition Accuracy},
author = {Daniel Sáez Trigueros and Li Meng and Margaret Hartnett},
journal= {arXiv preprint arXiv:1811.00112},
year = {2018}
}