论集合中人脸的突发性

突发性是在文本和图像检索中观察到的一种现象，指特定元素在集合中出现的次数多于统计独立模型所假设的次数。我们认为，在基于集合的人脸识别（SFR）背景下，突发性广泛存在，并在两个方面降低了性能：首先，突发性人脸，即具有特定属性的人脸在人脸集合中频繁出现，主导了训练实例和训练人脸集，导致对无约束场景的泛化能力差。其次，突发性人脸在评估时主导了评估集，干扰了集合验证和识别中的相似性比较。为了检测集合中的突发性人脸，我们提出了三种基于Quickshift++、特征自相似性和广义最大池化（GMP）的策略。我们将突发检测结果应用于训练和评估阶段，以增强非频繁人脸的采样率或贡献度。在评估时，我们还额外提出了质量感知的GMP，使得原始GMP能够感知人脸质量并对低质量人脸具有鲁棒性。我们在SFR基准上进行了说明和大量实验，以证明突发性是普遍存在的，并且抑制突发性可以显著提高识别性能。