图像退化如何影响基于深度CNN的人脸识别？
计算机视觉与模式识别
2016-11-28 v1
摘要
基于深度卷积神经网络（CNN）的人脸识别方法一直主导着该领域。它们在所谓的自然场景数据集上带来的性能提升十分显著，然而其在图像质量退化下的表现尚未得到评估。这一点尤为重要，因为在现实世界的人脸识别应用中，图像可能因运动模糊、噪声、压缩伪影、色彩失真和遮挡而包含各种退化。在这项工作中，我们解决了这一问题，并使用标准的LFW闭集识别协议，分析了这些图像退化对基于深度CNN的人脸识别方法性能的影响。我们评估了三种流行的深度CNN模型，即AlexNet、VGG-Face和GoogLeNet。结果表明，模糊、噪声和遮挡会导致性能显著下降，而深度CNN模型对色彩失真和色彩平衡变化等畸变具有鲁棒性。
引用
@article{arxiv.1608.05246,
title = {How Image Degradations Affect Deep CNN-based Face Recognition?},
author = {Samil Karahan and Merve Kilinc Yildirim and Kadir Kirtac and Ferhat Sukru Rende and Gultekin Butun and Hazim Kemal Ekenel},
journal= {arXiv preprint arXiv:1608.05246},
year = {2016}
}
备注
8 pages, 3 figures