用于鲁棒人脸识别的中值像素差分卷积网络
计算机视觉与模式识别
2022-06-01 v1 图像与视频处理
摘要
人脸识别是计算机视觉中最活跃的任务之一，并已在现实世界中广泛应用。随着卷积神经网络（CNN）取得的巨大进展，许多人脸识别算法在各种人脸数据集上达到了高准确率。然而，现有的基于 CNN 的人脸识别算法易受噪声影响。被噪声破坏的图像模式可能导致错误激活，显著降低了在噪声环境下的识别准确率。为使 CNN 具备针对不同水平噪声的内置鲁棒性，我们提出了中值像素差分卷积网络（MeDiNet），用所提出的新型中值像素差分卷积层（MeDiConv）替换部分传统卷积层。所提出的 MeDiNet 将传统多尺度中值滤波的思想与深度 CNN 相融合。MeDiNet 在四个面部数据集（LFW、CA-LFW、CP-LFW 和 YTF）上进行了测试，涵盖了模糊核、噪声强度、尺度和 JPEG 质量因子的多种设置。大量实验表明，我们的 MeDiNet 能有效去除特征图中的噪声像素并抑制噪声的负面影响，相较于干净条件下标准 CNN，在这些实际噪声下仅产生有限的准确率损失。
引用
@article{arxiv.2205.15867,
title = {Median Pixel Difference Convolutional Network for Robust Face Recognition},
author = {Jiehua Zhang and Zhuo Su and Li Liu},
journal= {arXiv preprint arXiv:2205.15867},
year = {2022}
}
备注
Accepted by BMVC2021