SeqFace：充分利用序列信息进行人脸识别
计算机视觉与模式识别
2018-03-28 v2
摘要
近年来，深度卷积神经网络极大提升了人脸识别的性能。人脸识别中几乎所有的 CNN 均在包含大量身份的精心标注数据集上训练。然而，此类高质量数据集的收集成本极高，限制了诸多研究者实现 state-of-the-art 性能。本文提出了一种名为 SeqFace 的框架，用于学习具有判别力的人脸特征。除传统的身份训练数据集外，所设计的 SeqFace 还能利用一个额外数据集训练 CNN，该数据集包含从视频中收集的大量人脸序列。此外，通过充分利用序列数据，采用标签平滑正则化（LSR）与新提出的判别序列代理（DSA）损失来增强深度人脸特征的判别能力。我们的方法仅用单个 ResNet 即在 Labeled Faces in the Wild (LFW) 和 YouTube Faces (YTF) 上取得了优异性能。代码与模型已公开在线。
引用
@article{arxiv.1803.06524,
title = {SeqFace: Make full use of sequence information for face recognition},
author = {Wei Hu and Yangyu Huang and Fan Zhang and Ruirui Li and Wei Li and Guodong Yuan},
journal= {arXiv preprint arXiv:1803.06524},
year = {2018}
}