LIAAD：面向大规模年龄不变人脸识别的轻量级注意力角度蒸馏
计算机视觉与模式识别
2022-09-13 v2
摘要
解耦表示已被广泛用于年龄不变人脸识别（AiFR）任务。然而，这些方法已遇到一些局限：（1）需要带年龄标签的大规模人脸识别（FR）训练数据，而实践中此类数据有限；（2）为获得高性能采用沉重的深度网络架构；（3）其评估通常在年龄相关人脸数据库上进行，而忽略了用于保证鲁棒性的标准大规模 FR 数据库。本工作提出一种新颖的轻量级注意力角度蒸馏（LIAAD）方法，用于大规模轻量级 AiFR，克服了这些局限。给定两个具有不同专业知识的高性能沉重网络作为教师，LIAAD 引入一种学习范式，高效地将年龄不变的注意力与角度知识从那些教师蒸馏到一个轻量级学生网络，使其更强大，具有更高的 FR 准确率并对年龄因素鲁棒。因此，LIAAD 方法能够利用带与不带年龄标签的 FR 数据集来训练 AiFR 模型。与先前主要关注闭集问题中准确率和压缩比的知识蒸馏方法不同，我们的 LIAAD 旨在解决开集问题，即大规模人脸识别。在 LFW、IJB-B 和 IJB-C Janus、AgeDB 以及带一百万干扰项的 MegaFace-FGNet 上的评估证明了所提方法在轻量级结构上的有效性。本工作还提出一个新的纵向人脸老化（LogiFace）数据库\footnote{该数据库将公开可用}，用于未来年龄相关面部问题的进一步研究。
引用
@article{arxiv.2004.05085,
title = {LIAAD: Lightweight Attentive Angular Distillation for Large-scale Age-Invariant Face Recognition},
author = {Thanh-Dat Truong and Chi Nhan Duong and Kha Gia Quach and Ngan Le and Tien D. Bui and Khoa Luu},
journal= {arXiv preprint arXiv:2004.05085},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:1905.10620