用于年龄不变人脸识别的正交深度特征分解
计算机视觉与模式识别
2018-10-18 v1
摘要
由于面部外观随时间老化过程产生显著的类内变化，年龄不变人脸识别（AIFR）仍是人脸识别领域的重大挑战。为减小由老化引起的类内差异，本文提出一种新方法（称为正交嵌入 CNN，即 OE-CNNs）来学习年龄不变的深度人脸特征。具体而言，我们将深度人脸特征分解为两个正交分量，分别表示与年龄相关和与身份相关的特征。由此，对老化鲁棒的身份相关特征被用于 AIFR。此外，为补充现有跨年龄数据集并推动该领域研究，我们构建了一个全新的大规模跨年龄人脸数据集（CAF）。在三个公开人脸老化数据集（MORPH Album 2、CACD-VS 和 FG-NET）上的大量实验表明了所提方法的有效性以及所构建 CAF 数据集在 AIFR 上的价值。在最受欢迎的通用人脸识别（GFR）数据集 LFW 上对我们的算法进行基准测试，进一步展示了其在 GFR 上可比的泛化性能。
引用
@article{arxiv.1810.07599,
title = {Orthogonal Deep Features Decomposition for Age-Invariant Face Recognition},
author = {Yitong Wang and Dihong Gong and Zheng Zhou and Xing Ji and Hao Wang and Zhifeng Li and Wei Liu and Tong Zhang},
journal= {arXiv preprint arXiv:1810.07599},
year = {2018}
}