利用自动生成的合成图像数据集评测人脸识别性能的研究
计算机视觉与模式识别
2021-10-04 v1
摘要
大规模人脸数据集的可用性是人脸识别取得进展的关键。然而，由于许可问题或版权侵权，一些数据集已不再可用（例如 MS-Celeb-1M）。生成对抗网络（GANs）在合成逼真人脸图像方面的最新进展，为用合成数据集替代真实数据集来训练和评测人脸识别（FR）系统提供了一条途径。本文介绍的工作提供了使用合成数据集评测 FR 系统的研究。首先，我们提出了一种无需人工干预即可生成合成数据集的方法，该方法通过利用具有多个受控变化因子的 StyleGAN2 模型的潜在结构来实现。然后，我们确认：（i）生成的合成身份并非来自 GAN 训练数据集的数据主体，这一点在包含 10K+ 身份的合成数据集上得到了验证；（ii）在合成数据集上的评测结果是一种良好的替代，通常能提供与真实数据集上评测相似的错误率和系统排名。
引用
@article{arxiv.2106.04215,
title = {On the use of automatically generated synthetic image datasets for benchmarking face recognition},
author = {Laurent Colbois and Tiago de Freitas Pereira and Sébastien Marcel},
journal= {arXiv preprint arXiv:2106.04215},
year = {2021}
}
备注
11 pages, Accepted for publication in the 2021 International Joint Conference on Biometrics (IJCB 2021)