MixFace：聚焦细粒度条件的人脸验证改进
计算机视觉与模式识别
2022-06-22 v3
摘要
由于卷积神经网络（CNN）的快速发展，人脸识别在 LFW、CFP-FP 和 AgeDB 等公开基准数据集上的性能已趋于饱和。然而，由于缺乏相应数据集，具有各种细粒度条件的人脸对人脸识别模型的影响尚未得到研究。本文使用 K-FACE（一个最近引入的具有细粒度条件的人脸识别数据集），从不同条件和损失函数的角度分析了这些影响。我们提出了一种新颖的损失函数 MixFace，它结合了分类损失和度量损失。在各种基准数据集上的实验证明了 MixFace 在有效性和鲁棒性方面的优越性。
引用
@article{arxiv.2111.01717,
title = {MixFace: Improving Face Verification Focusing on Fine-grained Conditions},
author = {Junuk Jung and Sungbin Son and Joochan Park and Yongjun Park and Seonhoon Lee and Heung-Seon Oh},
journal= {arXiv preprint arXiv:2111.01717},
year = {2022}
}
备注
9 pages, 6 figures