使用双分支深度卷积神经网络架构的低分辨率人脸识别
计算机视觉与模式识别
2017-06-21 v1
摘要
我们提出了一种新颖的耦合映射方法，使用深度卷积神经网络（DCNNs）进行低分辨率人脸识别。所提出的架构由两个 DCNN 分支组成，通过非线性变换将高分辨率和低分辨率人脸图像映射到一个公共空间中。对应于高分辨率图像变换的分支由 14 层组成，而将低分辨率人脸图像映射到公共空间的另一分支包含一个连接到 14 层网络的 5 层超分辨率网络。对应的高分辨率和低分辨率图像特征之间的距离通过反向传播来训练网络。我们提出的方法在 FERET 数据集上进行了评估，并与 state-of-the-art 的竞争方法进行了比较。我们的大量实验结果表明，所提出的方法显著提高了识别性能，特别是对于极低分辨率的探针人脸图像（识别准确率提高了 11.4%）。此外，它还能从对应的低分辨率探针图像重建出高分辨率图像，在视觉质量上与 state-of-the-art 的超分辨率方法相当。
引用
@article{arxiv.1706.06247,
title = {Low Resolution Face Recognition Using a Two-Branch Deep Convolutional Neural Network Architecture},
author = {Erfan Zangeneh and Mohammad Rahmati and Yalda Mohsenzadeh},
journal= {arXiv preprint arXiv:1706.06247},
year = {2017}
}
备注
11 pages, 8 figures