利用风格匹配缓解人脸识别中的域失配
计算机视觉与模式识别
2021-04-09 v2
摘要
尽管在公开基准上表现优异,人脸识别仍因训练(源)数据与测试(目标)数据之间的域失配而受到影响。此外,这些域不具有共享类别,这使域适应变得复杂。由于这也是一个不严格遵循低密度分离原则的细粒度分类问题,传统的域适应方法无法解决这些问题。本文将人脸识别中的域失配表述为风格失配问题,并为此提出两种方法。首先,我们设计了一个具有人类水平判断力的域判别器,以在训练数据中挖掘类目标图像,从而缓解域差距。其次,我们在骨干模型的低层特征图中提取风格表示,并匹配两个域的风格分布以寻找共同的风格表示。在验证以及开集和闭集识别协议上的评估表明,两种方法均带来良好提升,且二者结合时性能更为稳健。我们的方法与相关工作具有竞争力,并在实际应用中验证了其有效性。
引用
@article{arxiv.2102.13327,
title = {Mitigating Domain Mismatch in Face Recognition Using Style Matching},
author = {Chun-Hsien Lin and Bing-Fei Wu},
journal= {arXiv preprint arXiv:2102.13327},
year = {2021}
}