LAMP-HQ: 用于近红外-可见光人脸识别的大规模多姿态高质量数据库与基准
计算机视觉与模式识别
2020-03-31 v2
摘要
近红外-可见光(NIR-VIS)异质人脸识别将 NIR 与对应的 VIS 人脸图像进行匹配。然而,由于传感差异,NIR 图像常丢失部分身份信息,使得该识别问题比传统 VIS 人脸识别更困难。近来,因在实际应用中的便利性与适应性,NIR-VIS 异质人脸识别在计算机视觉界引起了相当关注。各类基于深度学习的方法被提出并大幅提升了识别性能,但 NIR-VIS 训练样本的缺乏导致模型训练过程困难。本文提出一个新的大规模多姿态高质量 NIR-VIS 数据库 LAMP-HQ,包含 573 名受试者共 56,788 张 NIR 与 16,828 张 VIS 图像,在姿态、光照、属性、场景和配饰上具有大多样性。我们提供了基于 LAMP-HQ 上生成的 NIR-VIS 人脸识别协议与基准,包括 Pixel2Pixel、CycleGAN 和 ADFL。此外,我们提出一种新颖的基于样本的可变谱注意力网络,由 NIR 数据生成高保真 VIS 图像。引入谱条件注意力模块以减小 NIR 与 VIS 数据间的域差距,从而提升在包括 LAMP-HQ 在内的多个数据库上的 NIR-VIS 异质人脸识别性能。
引用
@article{arxiv.1912.07809,
title = {LAMP-HQ: A Large-Scale Multi-Pose High-Quality Database and Benchmark for NIR-VIS Face Recognition},
author = {Aijing Yu and Haoxue Wu and Huaibo Huang and Zhen Lei and Ran He},
journal= {arXiv preprint arXiv:1912.07809},
year = {2020}
}