学习深度人脸表示
计算机视觉与模式识别
2014-03-13 v1 机器学习
摘要
人脸表示是人脸识别系统的关键步骤。最优的人脸表示应当具备判别性、鲁棒性、紧凑性且极易实现。尽管已有许多手工设计与基于学习的表示方法被提出，但仍存在相当大的改进空间。在本文中，我们提出了一种极易实现的深度学习人脸表示框架。我们的方法基于一种新的深度网络结构（称为 Pyramid CNN）。所提出的 Pyramid CNN 采用贪婪滤波与下采样操作，使得训练过程非常快速且计算高效。此外，Pyramid CNN 的结构能够自然地融合跨多尺度人脸表示的特征共享，从而增强所得表示的判别能力。我们的基础网络仅用 8 维表示即可在 LFW 基准上实现高识别精度（）。扩展至特征共享 Pyramid CNN 后，我们的系统在 LFW 基准上达到了当前最优性能（）。我们还引入了一个社交网络真实人脸图像的新基准，并验证了所提出的表示具有良好的泛化能力。
关键词
引用
@article{arxiv.1403.2802,
title = {Learning Deep Face Representation},
author = {Haoqiang Fan and Zhimin Cao and Yuning Jiang and Qi Yin and Chinchilla Doudou},
journal= {arXiv preprint arXiv:1403.2802},
year = {2014}
}