用于亲属关系验证的层次化表示学习
计算机视觉与模式识别
2018-05-29 v1
摘要
亲属关系验证具有诸多应用，例如组织大规模图像集合以及识别人类之间的相似特征。在本研究中，首先开展了一项人类研究，以理解人脑的能力并识别面部中有助于亲属线索的判别区域。利用从人类研究中获得的信息，采用层次化亲属关系验证表示学习(KVRL)框架以无监督方式学习不同面部区域的表示。我们提出了一种称为滤波收缩深度信念网络(fcDBN)的特征表示新方法。所提出的特征表示利用滤波器和收缩正则化惩罚对图像中存在的关联信息进行编码。从学习模型中提取亲属面部图像的紧凑表示，并利用多层神经网络准确验证亲属关系。创建了一个新的 WVU 亲属数据库，其包含每个主体的多张图像以便于亲属关系验证。结果表明，所提出的深度学习框架(KVRL-fcDBN)在 WVU 亲属数据库和四个现有基准数据集上取得了最先进的亲属关系验证准确率。此外，将亲属信息作为一种软生物识别模态，通过似然比乘积和基于支持向量机的方法提升人脸验证性能。使用所提出的 KVRL-fcDBN 框架，观察到人脸验证性能提升了超过 20%。
引用
@article{arxiv.1805.10557,
title = {Hierarchical Representation Learning for Kinship Verification},
author = {Naman Kohli and Mayank Vatsa and Richa Singh and Afzel Noore and Angshul Majumdar},
journal= {arXiv preprint arXiv:1805.10557},
year = {2018}
}