用于亲属关系验证的判别样本元挖掘
计算机视觉与模式识别
2021-03-30 v1
摘要
亲属关系验证旨在判断给定的一对人脸图像之间是否存在亲属关系。亲属关系验证数据库天生具有数据不平衡性。对于一个含有N个正亲属对的数据库，我们自然会得到N(N-1)个负对。如何充分利用有限的正对并从充足的负样本中挖掘判别信息用于亲属关系验证仍是一个开放问题。为解决该问题，本文提出一种判别样本元挖掘（DSMM）方法。与现有通常构造含固定负对的平衡数据集的方法不同，我们提出利用所有可能的对并自动从数据中学习判别信息。具体而言，每次迭代我们采样一个不平衡训练批次和一个平衡元训练批次，然后在平衡元训练批次上通过元梯度学习一个元挖掘器。最后，不平衡训练批次中的样本由学习到的元挖掘器重新加权以优化亲属关系模型。在广泛使用的KinFaceW-I、KinFaceW-II、TSKinFace和Cornell Kinship数据集上的实验结果证明了所提方法的有效性。
引用
@article{arxiv.2103.15108,
title = {Meta-Mining Discriminative Samples for Kinship Verification},
author = {Wanhua Li and Shiwei Wang and Jiwen Lu and Jianjiang Feng and Jie Zhou},
journal= {arXiv preprint arXiv:2103.15108},
year = {2021}
}
备注
Accepted by CVPR2021