个人照片集与社交媒体中的人物识别

如今，人们通过社交媒体分享了个人生活的大部分内容。能够自动识别个人照片中的人物，可以通过简化相册组织来极大地提升用户便利性。然而，对于人员识别任务，计算机视觉的传统焦点一直是人脸识别和行人重识别。社交媒体照片中的人物识别给计算机视觉带来了新的挑战，包括非合作主体（例如后向视角、不寻常姿势）以及外观的巨大变化。为了解决这个问题，我们构建了一个简单的人物识别框架，该框架利用来自多个图像区域（头部、身体等）的 convnet 特征。我们提出了新的识别场景，重点关注训练样本与测试样本之间的时间和外观差距。我们根据时间和视角的泛化能力，对不同特征的重要性进行了深入分析。在此过程中，我们验证了我们的简单方法在 PIPA 基准测试上取得了 state of the art 的结果，PIPA 可以说是迄今为止最大的基于社交媒体的人物识别基准测试，包含多样的姿势、视角、社交群体和事件。与该论文的会议版本相比，本文还展示了：(1) 对人脸识别器（DeepID2+）的分析；(2) 新方法 naeil2，它结合了会议版本的方法 naeil 和 DeepID2+，即使与会议后的工作相比也取得了 state of the art 的结果；(3) 对会议版本以来相关工作的讨论；(4) 包括按头部视角划分性能的额外分析；(5) 在开放世界设置下的结果。