用于无约束基于集合的人脸识别的多原型网络
计算机视觉与模式识别
2019-03-26 v4
摘要
本文研究具有挑战性的无约束基于集合的人脸识别问题，其中每个主体人脸由一组媒体（图像与视频）而非单张图像来表征。朴素地聚合集合内所有媒体的信息会受异质因素（如不同的媒体模态、姿态与光照）引起的集合内大方差影响，并无法学习到判别性的人脸表示。为此提出一种新颖的多原型网络（MPNet）模型，从媒体集合中自适应地学习多个原型人脸表示。每个所学原型在特定姿态、光照与媒体模态条件下对该主体人脸具有代表性。MPNet 未采用人工设计的集合划分用于原型学习，而是引入稠密子图（DSG）学习子网络，隐式地解离不一致媒体并学习若干代表性原型。定性与定量实验清晰地展示了所提模型相对于当前最优方法的优越性。
引用
@article{arxiv.1902.04755,
title = {Multi-Prototype Networks for Unconstrained Set-based Face Recognition},
author = {Jian Zhao and Jianshu Li and Xiaoguang Tu and Fang Zhao and Yuan Xin and Junliang Xing and Hengzhu Liu and Shuicheng Yan and Jiashi Feng},
journal= {arXiv preprint arXiv:1902.04755},
year = {2019}
}