基于跨代特征交互学习的亲属关系验证
计算机视觉与模式识别
2021-09-08 v1
摘要
基于人脸图像的亲属关系验证已被认为是许多潜在计算机视觉应用中新兴且具有挑战性的技术。在本文中，我们提出一种新颖的跨代特征交互学习（CFIL）框架用于鲁棒亲属关系验证。特别地，构建了一种有效的协作加权策略，通过共同提取父母与子女图像对的特征来探索跨代关系特征。具体而言，我们将父母与子女作为整体来提取具有表现力的局部与非局部特征。不同于通过距离度量相似度的传统工作，我们将相似度计算插值为内部辅助权重融入深度 CNN 架构，以学习整体与自然特征。这些相似度权重不仅涉及对应的单点，还挖掘了跨点的多重关系，其中局部与非局部特征通过使用这两类距离度量进行计算。重要的是，我们并未分别进行相似度计算与特征提取，而是将相似度学习与特征提取整合为统一的学习过程。由局部与非局部特征推导出的整合表示能全面表达图像中蕴含的信息语义，并保留来自图像对的丰富关联知识。大量实验证明了所提模型相较于一些最先进亲属验证方法的效率与优越性。
引用
@article{arxiv.2109.02809,
title = {Kinship Verification Based on Cross-Generation Feature Interaction Learning},
author = {Guan-Nan Dong and Chi-Man Pun and Zheng Zhang},
journal= {arXiv preprint arXiv:2109.02809},
year = {2021}
}