基于耦合条件 GAN 的野外侧脸到正脸人脸识别
计算机视觉与模式识别
2021-07-30 v1 人工智能
摘要
近年来，随着深度学习的出现，人脸识别取得了非凡的成功。然而，许多此类深度人脸识别模型在处理正脸时表现远优于侧脸。处理侧脸性能不佳的主要原因在于， inherently 难以学习对侧脸识别有用的姿态不变深度表示。本文中，我们假设侧脸域在潜在特征子空间中与正脸域存在潜在联系。我们试图通过将侧脸与正脸投影到公共潜在子空间并在潜在域中执行验证或检索来利用这一潜在联系。我们借助耦合条件生成对抗网络（cpGAN）结构来寻找侧脸与正脸图像在公共潜在嵌入子空间中的隐藏关系。具体而言，cpGAN 框架由两个基于条件 GAN 的子网络组成，一个专用于正脸域，另一个专用于侧脸域。每个子网络倾向于在公共嵌入特征子空间中找到最大化两个特征域间成对相关性的投影。我们使用 CFP、CMU Multi-PIE、IJB-A 和 IJB-C 数据集证明了我们的方法与最先进方法相比的有效性。此外，我们还实现了耦合卷积神经网络（cpCNN）和对抗判别域适应网络（ADDA）用于侧脸到正脸人脸识别。我们评估了 cpCNN 和 ADDA 的性能并与提出的 cpGAN 进行了比较。最后，我们还在 VGGFace2 数据集中评估了我们的 cpGAN 从输入侧脸重建正脸的性能。
引用
@article{arxiv.2107.13742,
title = {Profile to Frontal Face Recognition in the Wild Using Coupled Conditional GAN},
author = {Fariborz Taherkhani and Veeru Talreja and Jeremy Dawson and Matthew C. Valenti and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2107.13742},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2005.02166