LARNet：用于人脸识别的李代数残差网络
计算机视觉与模式识别
2021-06-17 v2
摘要
人脸识别是计算机视觉中一个重要且具有挑战性的问题。实际人脸识别应用中的一个主要挑战在于侧脸与正脸之间的显著差异。传统技术要么通过合成正脸，要么通过姿态不变学习来应对这一挑战。在本文中，我们提出一种基于李代数理论的新方法，探究三维空间中的人脸旋转如何影响卷积神经网络（CNNs）的深度特征生成过程。我们证明，图像空间中的人脸旋转等价于CNNs特征空间中的一个加性残差分量，该分量仅由旋转决定。基于这一理论发现，我们进一步设计了一种李代数残差网络（LARNet）以应对姿态鲁棒的人脸识别。我们的LARNet由一个用于从输入人脸图像中解码旋转信息的残差子网络，以及一个用于学习旋转幅度以控制残差分量对特征学习过程贡献强度的门控子网络组成。在正脸-侧脸人脸数据集和通用人脸识别数据集上的综合实验评估令人信服地表明，我们的方法始终优于当前最先进的方法。
引用
@article{arxiv.2103.08147,
title = {LARNet: Lie Algebra Residual Network for Face Recognition},
author = {Xiaolong Yang and Xiaohong Jia and Dihong Gong and Dong-Ming Yan and Zhifeng Li and Wei Liu},
journal= {arXiv preprint arXiv:2103.08147},
year = {2021}
}
备注
Accepted by ICML 2021