基于大规模双样本学习的证件照与现场照人脸识别
计算机视觉与模式识别
2019-02-15 v3
摘要
在真实世界人脸识别应用中，存在大量每人仅含两张图像的数据。一张为用于人脸注册的证件照，另一张为现场采集的探针照。多数现有方法针对广度有限（类别数相对较少）且深度充足（每类多样本）的训练数据设计，在证件照与现场照（IvS）数据上会面临巨大挑战，包括类内变化表征不足以及对计算设备的过高需求。本文提出一种基于深度学习的大规模双样本学习（LBL）方法用于IvS人脸识别。为应对每类仅有两个样本的双样本问题，提出分类-验证-分类（CVC）训练策略逐步提升IvS性能。此外，引入主导原型softmax（DP-softmax）使深度学习在大规模类别上可扩展。我们在含逾两百万身份的IvS人脸数据集上开展LBL。实验结果表明所提方法优于先前方法，验证了LBL在IvS人脸识别上的有效性。
引用
@article{arxiv.1806.03018,
title = {Large-scale Bisample Learning on ID Versus Spot Face Recognition},
author = {Xiangyu Zhu and Hao Liu and Zhen Lei and Hailin Shi and Fan Yang and Dong Yi and Guojun Qi and Stan Z. Li},
journal= {arXiv preprint arXiv:1806.03018},
year = {2019}
}
备注
Accepted by special issue on Deep Learning for Face Analysis. International Journal of Computer Vision (IJCV), 2019