基于多边界解相关学习的异质人脸识别
计算机视觉与模式识别
2020-05-26 v1
摘要
异质人脸识别（HFR）指匹配来自不同域的人脸图像，在安全场景中有广泛应用。本文提出一种深度神经网络方法，即基于多边界的解相关学习（MMDL），用于在超球面空间中对跨域人脸图像提取解相关表示。所提框架可分为两部分：异质表示网络与解相关表示学习。首先，我们利用大规模可获取的视觉人脸图像训练异质表示网络。解相关层将第一部分的输出投影到解相关潜在子空间并得到解相关表示。此外，我们设计了一种多边界损失（MML），由四元组边界损失（QML）和异质角边界损失（HAML）组成，以约束所提框架。在两个具有挑战性的异质人脸数据库上的实验结果表明，与当前最优（SOTA）方法相比，我们的方法在验证和识别任务上均取得了更优性能。
引用
@article{arxiv.2005.11945,
title = {Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition},
author = {Bing Cao and Nannan Wang and Xinbo Gao and Jie Li and Zhifeng Li},
journal= {arXiv preprint arXiv:2005.11945},
year = {2020}
}
备注
IJCAI 2019