基于双线性CNN的一对多人脸识别
计算机视觉与模式识别
2016-03-30 v5
摘要
卷积神经网络 (CNN) 研究的近期爆发式增长产生了多种深度学习新架构。一种引人注目的新架构是双线性 CNN (B-CNN)，其已在某些细粒度识别问题上展现出显著的性能提升 [15]。我们将这一新 CNN 应用于具有挑战性的新人脸识别基准 IARPA Janus Benchmark A (IJB-A) [12]。该基准以大量身份的人脸在真实复杂条件下为特征。由于人脸图像未使用计算机人脸检测系统自动识别，其不具有此类数据库固有的偏差。我们展示了从在 ImageNet 上预训练的 AlexNet 风格网络开始的 B-CNN 模型性能。随后我们给出使用中等规模公共外部数据库 FaceScrub [17] 进行微调的结果。我们还提供了根据协议提供的有限训练数据额外微调的结果。在每种情况下，微调后的双线性模型相比标准 CNN 均显示出实质性改进。最后，我们展示了如何在无需任何额外特征训练的情况下，将在一个大型人脸数据库（最近发布的 VGG-Face 模型 [20]）上预训练的标准 CNN 转换为 B-CNN。该 B-CNN 在 IJB-A 基准上优于 CNN 性能，达到了 89.5% 的 rank-1 召回率。
引用
@article{arxiv.1506.01342,
title = {One-to-many face recognition with bilinear CNNs},
author = {Aruni RoyChowdhury and Tsung-Yu Lin and Subhransu Maji and Erik Learned-Miller},
journal= {arXiv preprint arXiv:1506.01342},
year = {2016}
}
备注
Published version at WACV 2016