通过深度残差等变映射实现姿态鲁棒的人脸识别
计算机视觉与模式识别
2018-03-05 v1
摘要
得益于深度学习的出现，人脸识别取得了非凡的成功。然而，许多当代人脸识别模型在处理侧脸时相比正脸仍表现相对较差。一个关键原因是正脸与侧脸训练样本数量高度不平衡——正脸训练样本远多于侧脸。此外，学习对大姿态变化几何不变的深度表示本质上很困难。在本研究中，我们假设正脸与侧脸之间存在一种固有映射，因此它们在深度表示空间中的差异可通过等变映射来弥合。为利用此映射，我们设计了一种新颖的深度残差等变映射（DREAM）模块，其能够自适应地向输入深度表示添加残差，以将侧脸表示变换为简化识别的规范姿态。DREAM 模块持续增强了包括 ResNet 模型在内的许多强大深度网络的侧脸识别性能，而无需刻意扩充侧脸训练数据。该模块易于使用、轻量，且能以可忽略的计算开销实现。
引用
@article{arxiv.1803.00839,
title = {Pose-Robust Face Recognition via Deep Residual Equivariant Mapping},
author = {Kaidi Cao and Yu Rong and Cheng Li and Xiaoou Tang and Chen Change Loy},
journal= {arXiv preprint arXiv:1803.00839},
year = {2018}
}
备注
Accepted to CVPR2018