开放集视频人脸识别中基于低标注流数据的增量学习
计算机视觉与模式识别
2020-12-18 v1
摘要
深度学习方法为提供了丰富标注数据用于训练的一般分类问题带来了性能令人印象深刻的解决方案。相比之下，在一组非平稳类的持续学习方面进展较少，尤其是应用于具有流数据的无监督问题时。在此，我们提出一种新颖的增量学习方法，将深度特征编码器与开放集动态SVM集成相结合，以解决从流人脸数据中识别关注个体（IoI）的问题。从在少量视频帧上训练的简单弱分类器出发，我们的方法可利用无监督运行数据来增强识别。我们的方法适应新模式，避免灾难性遗忘，并从错误适应中部分自我修复。此外，为了更好地符合真实世界条件，该系统被设计为在开放集设置下运行。结果表明，相较于非自适应的最先进方法，F1分数提升了高达15%。
引用
@article{arxiv.2012.09571,
title = {Incremental Learning from Low-labelled Stream Data in Open-Set Video Face Recognition},
author = {Eric Lopez-Lopez and Carlos V. Regueiro and Xose M. Pardo},
journal= {arXiv preprint arXiv:2012.09571},
year = {2020}
}
备注
17 pages, 10 figures