用于跨姿态和光照人脸识别的局部特征层次结构
计算机视觉与模式识别
2016-07-13 v1
摘要
尽管正面视角和正常光照条件下的人脸识别效果很好，但在极端条件下性能会急剧下降。近来有许多工作分别处理姿态和光照问题。然而，光照和姿态变化往往同时遇到。因此，我们提出一种基于卷积网络的端到端人脸识别方法，以同时应对姿态和光照变化，该方法提取对姿态和光照具有不变性的判别性非线性特征。通常，不同视角下拍摄的图像全局结构差异很大。因此，我们提出使用1*1卷积核来提取局部特征。此外，我们开发了并行的多流多层1*1卷积网络来提取多层次特征。在实验中，我们在multiPIE数据集上获得了96.9%的平均人脸识别率，将跨姿态和光照人脸识别的当前最优水平提高了7.5%。特别是对于侧面位置，我们提出的网络平均识别率达到97.8%，将当前最优识别率提高了19%。
引用
@article{arxiv.1607.03226,
title = {Local feature hierarchy for face recognition across pose and illumination},
author = {Xiaoyue Jiang and Dong Zhang and Xiaoyi Feng},
journal= {arXiv preprint arXiv:1607.03226},
year = {2016}
}