用于人脸识别的循环回归
计算机视觉与模式识别
2016-07-26 v1
摘要
为了解决包括姿态在内的图像序列变化，本文提出了一种循环回归神经网络（RRNN）框架，以统一静态图像跨姿态人脸识别和基于视频的人脸识别这两个经典任务。为了模拟图像的变化，我们显式地构建了序列图像之间的潜在依赖关系，以正则化最终的学习模型。通过对序列相邻图像执行渐进式变换，RRNN 可以自适应地记忆和遗忘有益于最终分类的信息。对于静态图像的人脸识别，给定任意一张任意姿态的图像，我们循环地预测其具有序列姿态的图像，以期捕获其他姿态的一些有用信息。对于基于视频的人脸识别，循环回归将整个序列而非单张图像作为其输入。我们在静态人脸数据集 MultiPIE 和人脸视频数据集 YouTube Celebrities (YTC) 上验证了 RRNN。全面的实验结果表明了所提出的 RRNN 方法的有效性。
引用
@article{arxiv.1607.06999,
title = {Recurrent Regression for Face Recognition},
author = {Yang Li and Wenming Zheng and Zhen Cui},
journal= {arXiv preprint arXiv:1607.06999},
year = {2016}
}