用于卡通人脸识别的图拼图学习
计算机视觉与模式识别
2022-06-22 v1
摘要
卡通人脸识别具有挑战性，因为它们通常具有平滑的色块区域和强调的边缘，识别卡通人脸的关键在于精确感知其稀疏且关键的形状模式。然而，利用卷积神经网络（CNN）学习面向形状的特征表示以进行卡通人脸识别是相当困难的。为缓解此问题，我们提出 GraphJigsaw，其在分类网络的不同阶段构建拼图谜题，并以渐进方式用图卷积网络（GCN）求解谜题。由于纹理信息十分有限，求解谜题要求模型定位卡通脸的形状模式。GraphJigsaw 的核心思想是通过在空间维度上随机打乱中间卷积特征图来构造拼图，并利用 GCN 以自监督方式推理和恢复拼图碎片的正确布局。所提出的 GraphJigsaw 避免了用会引入噪声模式且有害于最终分类的重构图像来训练分类模型。特别地，GraphJigsaw 可以以自顶向下的方式嵌入分类模型的不同阶段，从而有助于逐步传播所学得的形状模式。GraphJigsaw 在训练过程中不依赖任何额外人工标注，且在推理时不引入额外计算负担。定量与定性实验结果均验证了我们所提 GraphJigsaw 的可行性，其在两个流行卡通人脸数据集上持续以可观的增益优于其他人脸识别或基于拼图的方法。
引用
@article{arxiv.2107.06532,
title = {Graph Jigsaw Learning for Cartoon Face Recognition},
author = {Yong Li and Lingjie Lao and Zhen Cui and Shiguang Shan and Jian Yang},
journal= {arXiv preprint arXiv:2107.06532},
year = {2022}
}