通过学会区分儿童提升跨大年龄差距的人脸识别
计算机视觉与模式识别
2021-10-25 v1
摘要
尽管人脸识别取得了前所未有的进展，现有人脸识别模型在判断一对儿童与成人图像是否属于同一身份时仍表现出相当低的性能。先前的方法主要关注增加给定身份的儿童与成人图像之间的相似性，以克服因衰老导致的面部外观差异。然而，我们观察到，降低不同身份儿童图像之间的相似性对于学习儿童间的区分性特征从而提升儿童-成人对的人脸识别性能至关重要。基于这一直觉，我们提出了一种称为原型间损失（Inter-Prototype loss）的新颖损失函数，其最小化儿童图像之间的相似性。与先前研究不同，原型间损失不需要额外的儿童图像或训练额外的可学习参数。我们广泛的实验与深入分析表明，我们的方法在儿童-成人对的人脸识别上优于现有基线。我们的代码和新构建的儿童-成人对测试集可在 https://github.com/leebebeto/Inter-Prototype 获取。
引用
@article{arxiv.2110.11630,
title = {Improving Face Recognition with Large Age Gaps by Learning to Distinguish Children},
author = {Jungsoo Lee and Jooyeol Yun and Sunghyun Park and Yonggyu Kim and Jaegul Choo},
journal= {arXiv preprint arXiv:2110.11630},
year = {2021}
}
备注
Accepted to BMVC 2021