实际人脸识别场景中的度量分类网络
计算机视觉与模式识别
2019-10-28 v1 机器学习
摘要
为使人脸特征更具判别性,近期已提出一些新模型。然而,几乎所有这些模型都使用传统的人脸验证方法,即对瓶颈层输出的特征执行余弦运算。但这些模型每次在不同测试集上运行时都需更换阈值,这非常不适用于真实场景。本文中,我们训练一个验证分类器来归一化决策阈值,即无需替换阈值即可直接得到结果。我们将该模型称为验证分类器,其在一个卷积层与六个全连接层组成的结构上取得了最佳结果。为测试我们的方法,我们在 Labeled Face in the Wild (LFW) 和 Youtube Faces (YTF) 上进行了大量实验,相对误差较传统方法分别降低 25.37% 和 26.60%。这些实验证实了验证分类器在人脸识别任务上的有效性。
引用
@article{arxiv.1910.11563,
title = {Metric Classification Network in Actual Face Recognition Scene},
author = {Jian Li and Yan Wang and Xiubao Zhang and Weihong Deng and Haifeng Shen},
journal= {arXiv preprint arXiv:1910.11563},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1504.03641 by other authors