面向遮挡人脸识别的局部感知通道丢弃方法
计算机视觉与模式识别
2022-01-19 v1
摘要
在非受限场景下，人脸识别仍是一项具有挑战性的任务，尤其在人脸部分被遮挡时。为提高对遮挡的鲁棒性，以人工遮挡增强训练图像已被证明是一种有效方法。然而，这些人工遮挡通常通过添加黑色矩形或若干物体模板（包括墨镜、围巾与手机）来生成，无法很好地模拟真实遮挡。本文基于遮挡本质上损害一组神经元的论点，提出一种新颖且简洁的遮挡模拟方法：丢弃某些精心选定通道中的一组神经元激活。具体而言，我们首先采用空间正则化，促使每个特征通道响应局部且不同的人脸区域。如此，局部区域中受遮挡影响的激活更可能位于单一特征通道内。随后，设计局部感知通道丢弃（LCD）方法，通过丢弃整个特征通道来模拟遮挡。此外，通过随机丢弃若干特征通道，我们的方法能很好地模拟更大面积的遮挡。所提 LCD 可促使其后续层最小化由遮挡引起的类内特征方差，从而提升对遮挡的鲁棒性。另外，我们设计了一个辅助空间注意力模块，通过学习通道注意力向量对特征通道重新加权，以提升非遮挡区域的贡献。在多个基准上的大量实验表明，所提方法以显著优势优于当前最优方法。
引用
@article{arxiv.2107.09270,
title = {Locality-aware Channel-wise Dropout for Occluded Face Recognition},
author = {Mingjie He and Jie Zhang and Shiguang Shan and Xiao Liu and Zhongqin Wu and Xilin Chen},
journal= {arXiv preprint arXiv:2107.09270},
year = {2022}
}