面向受伤人脸识别的子类对比损失
计算机视觉与模式识别
2020-08-06 v1
摘要
在交通事故、暴力和自然灾害中，死亡与受伤十分常见。在此类情况下，救援人员的主要任务之一是确认受害者身份，以使家庭团聚并确保对死者/伤者进行恰当识别。此外，因暴力和事故导致的无名尸体的识别对警方调查也至关重要。在缺少身份证件的情况下，当前该任务的常规做法包括DNA分析和牙科分析。人脸是最常用且被广泛接受的生物特征识别模态之一。然而，当存在肿胀、淤青、血块、撕裂和撕脱等影响识别所用特征的面部损伤时，人脸识别极具挑战性。本文首次针对受伤人脸识别问题，并提出一种用于该任务的新颖子类对比损失（SCL, Subclass Contrastive Loss）。我们还创建了一个称为受伤人脸（IF, Injured Face）数据库的新数据集，以推动该方向的研究。实验分析表明，所提出的损失函数在受伤人脸识别上超越了现有算法。
引用
@article{arxiv.2008.01993,
title = {Subclass Contrastive Loss for Injured Face Recognition},
author = {Puspita Majumdar and Saheb Chhabra and Richa Singh and Mayank Vatsa},
journal= {arXiv preprint arXiv:2008.01993},
year = {2020}
}
备注
Accepted in BTAS 2019