SSPP-DAN：用于每人单样本人脸识别的深度域适应网络
计算机视觉与模式识别
2018-05-01 v4
摘要
使用每人单样本(SSPP)的真实世界人脸识别是一项具有挑战性的任务。如果画廊图像和探针集被捕获的条件完全不同，问题会加剧。为了从域适应的角度解决这些问题，我们引入了SSPP域适应网络(SSPP-DAN)。在所提出的方法中，域适应、特征提取和分类通过使用具有域对抗训练的深层架构联合执行。然而，每类一个训练样本的SSPP特性不足以训练深层架构。为了克服这一不足，我们使用3D人脸模型生成具有不同姿态的合成图像。使用真实的SSPP数据集进行的实验评估表明，深度域适应和图像合成相互补充并显著提高了准确性。使用基准数据集进行的实验采用所提出的方法展示了最先进的性能。所有数据集和源代码都可以在我们的在线存储库(https://github.com/csehong/SSPP-DAN)中找到。
引用
@article{arxiv.1702.04069,
title = {SSPP-DAN: Deep Domain Adaptation Network for Face Recognition with Single Sample Per Person},
author = {Sungeun Hong and Woobin Im and Jongbin Ryu and Hyun S. Yang},
journal= {arXiv preprint arXiv:1702.04069},
year = {2018}
}
备注
Accepted to ICIP 2017 Oral, Code is available at https://github.com/csehong/SSPP-DAN