用于基于集合的人脸识别的 GhostVLAD
计算机视觉与模式识别
2018-10-24 v1
摘要
本文的目标是学习图像集合的紧凑表示以用于基于模板的人脸识别。我们作出以下贡献：首先，我们提出一种网络架构，将深度卷积神经网络产生的面部描述子聚合并嵌入为紧凑的固定长度表示。该紧凑表示需要极少内存存储并支持高效的相似度计算。其次，我们提出一种新颖的 GhostVLAD 层，其包含不参与聚合的幻影簇（ghost clusters）。我们展示了对输入人脸的质量加权会自动浮现，使得信息丰富图像比低质量图像贡献更大，且幻影簇增强了网络处理低质量图像的能力。第三，我们探究输入特征维度、簇数量及不同训练技术如何影响识别性能。基于该分析，我们训练了一个在 IJB-B 人脸识别数据集上大幅超越当前最优（state-of-the-art）的网络。这是目前最具挑战性的公开基准之一，我们在识别和验证协议上均超越了当前最优。
引用
@article{arxiv.1810.09951,
title = {GhostVLAD for set-based face recognition},
author = {Yujie Zhong and Relja Arandjelović and Andrew Zisserman},
journal= {arXiv preprint arXiv:1810.09951},
year = {2018}
}
备注
Accepted by ACCV 2018