MagFace：一种用于人脸识别与质量评估的通用表征
计算机视觉与模式识别
2021-07-27 v4
摘要
当所采集人脸的变异性增大时，人脸识别系统的性能会下降。先前工作通过在前处理中监控人脸质量或与人脸特征一并预测数据不确定性来缓解此问题。本文提出 MagFace，一类损失函数，可学习一种通用特征嵌入，其模长能够度量给定人脸的质量。在新损失下，可证明：若受试者更可能被识别，其特征嵌入的模长单调增大。此外，MagFace 引入一种自适应机制，通过将简单样本拉向类中心、同时将困难样本推离，来学习结构良好的类内特征分布。这防止模型在含噪低质量样本上过拟合，并提升非受限场景下的人脸识别。在人脸识别、质量评估及聚类上的大量实验均表明其优于当前最优方法。代码见 https://github.com/IrvingMeng/MagFace。
引用
@article{arxiv.2103.06627,
title = {MagFace: A Universal Representation for Face Recognition and Quality Assessment},
author = {Qiang Meng and Shichao Zhao and Zhida Huang and Feng Zhou},
journal= {arXiv preprint arXiv:2103.06627},
year = {2021}
}
备注
accepted at CVPR 2021, Oral