基于成对特征嵌入关系与坐标的近红外至可见光人脸识别
计算机视觉与模式识别
2022-08-05 v1
摘要
近红外至可见光（NIR-to-VIS）人脸识别是通过提取域不变特征来识别两个不同域的人脸。然而，由于两域特性不同且缺乏 NIR 人脸数据集，这是一个具有挑战性的问题。为在使用现有人脸识别模型的同时减小域差异，我们提出了一个可简单附加于任意人脸识别模型的“关系模块”。从人脸图像提取的局部特征包含人脸各部件的信息。基于两域不同特性，利用局部特征间的关系比直接使用其特征更具域不变性。除这些关系外，诸如嘴唇到下巴或眼到眼的距离等位置信息也提供域不变信息。在我们的关系模块中，关系层隐式捕获关系，坐标层建模位置信息。此外，我们提出的带条件间隔的三元组损失减少了训练中的类内差异，带来额外的性能提升。与通用人脸识别模型不同，我们的附加模块无需在大规模数据集上预训练，仅使用 CASIA NIR-VIS 2.0 数据库微调。借助所提模块，相比两个基线模型，我们取得了 14.81% 的 rank-1 准确率提升与 15.47% 的 0.1% FAR 验证率提升。
引用
@article{arxiv.2208.02417,
title = {NIR-to-VIS Face Recognition via Embedding Relations and Coordinates of the Pairwise Features},
author = {MyeongAh Cho and Tae-young Chun and g Taeoh Kim and Sangyoun Lee},
journal= {arXiv preprint arXiv:2208.02417},
year = {2022}
}