基于图像质量预测人脸识别系统的性能
计算机视觉与模式识别
2015-10-27 v1
摘要
在本文中，我们提出了一个生成模型来捕捉人脸图像质量特征（如姿态、光照方向等）与人脸识别性能之间的关系。这样的模型可用于预测人脸识别系统的性能。由于该模型仅基于图像质量特征，因此即使在实际识别发生之前也可以进行性能预测，从而促进许多预防性措施。这种数据驱动的生成模型的一个实际限制是训练数据集的有限性。为了解决这一限制，我们开发了一种贝叶斯方法，基于图像质量空间小区域内的匹配与非匹配分数的数量来对识别性能度量的分布进行建模。从这些模型中抽取的随机样本提供了训练生成模型所需的基础初始数据。基于在三个独立数据集上运行的六个人脸识别系统的实验结果表明，使用准确且无偏的图像质量评估器 (IQA)，所提出的性能预测模型可以准确预测人脸识别性能。此外，我们的结果表明，未计入质量空间（即 IQA 未考虑的图像质量特征）中的变异性是导致预测性能不准确的主要因素。
引用
@article{arxiv.1510.07112,
title = {Predicting Performance of a Face Recognition System Based on Image Quality},
author = {Abhishek Dutta},
journal= {arXiv preprint arXiv:1510.07112},
year = {2015}
}
备注
PhD thesis publicly defended at the University of Twente (Netherlands) on April 24, 2015 at 12.45