PF-cpGAN：面向无约束人脸识别的侧脸到正脸耦合生成对抗网络
计算机视觉与模式识别
2020-05-06 v1
摘要
近年来，由于深度学习的出现，人脸识别取得了非凡的成功。然而，与正脸相比，许多深度人脸识别模型在处理侧脸时表现相对较差。这种性能不佳的主要原因是，学习对侧脸识别有用的大姿态不变深度表征本身就很困难。在本文中，我们假设侧脸域与正脸域在深度特征空间中存在一种渐进连接。我们试图通过将侧脸和正脸投影到一个共同的潜在空间，并在该潜在域中进行验证或检索来利用这种连接。我们利用耦合生成对抗网络（cpGAN）结构，在一个潜在的共同嵌入子空间中寻找侧脸图像与正脸图像之间的隐藏关系。具体而言，cpGAN框架由两个基于GAN的子网络组成，一个专用于正脸域，另一个专用于侧脸域。每个子网络都倾向于找到一个投影，以最大化两个特征域在共同嵌入特征子空间中的成对相关性。我们使用CFP、CMU MultiPIE、IJB-A和IJB-C数据集，证明了该方法与现有最优方法相比的有效性。
引用
@article{arxiv.2005.02166,
title = {PF-cpGAN: Profile to Frontal Coupled GAN for Face Recognition in the Wild},
author = {Fariborz Taherkhani and Veeru Talreja and Jeremy Dawson and Matthew C. Valenti and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2005.02166},
year = {2020}
}