PoseFace：用于人脸识别的姿态不变特征与姿态自适应损失
计算机视觉与模式识别
2021-07-27 v1
摘要
尽管深度学习方法在人脸识别中取得了巨大成功，但在无约束环境中（例如监控和照片标记场景），对于大的姿态变化仍会观察到严重的性能下降。为了解决这个问题，当前的方法要么部署特定于姿态的模型，要么通过附加模块将人脸正面化。然而，它们忽略了身份信息应跨姿态保持一致这一事实，并且没有意识到训练过程中正面与侧面人脸图像之间的数据不平衡。在本文中，我们提出了一个高效的 PoseFace 框架，该框架利用面部关键点来解耦姿态不变特征，并利用姿态自适应损失来自适应地处理不平衡问题。在 Multi-PIE、CFP、CPLFW 和 IJB 等基准数据集上的大量实验结果证明了我们的方法优于当前最先进的方法。
引用
@article{arxiv.2107.11721,
title = {PoseFace: Pose-Invariant Features and Pose-Adaptive Loss for Face Recognition},
author = {Qiang Meng and Xiaqing Xu and Xiaobo Wang and Yang Qian and Yunxiao Qin and Zezheng Wang and Chenxu Zhao and Feng Zhou and Zhen Lei},
journal= {arXiv preprint arXiv:2107.11721},
year = {2021}
}