监控人脸识别挑战赛
计算机视觉与模式识别
2018-08-30 v6
摘要
人脸识别（FR）是计算机视觉中研究最广泛的问题之一。由于近期更大规模 FR 挑战的引入，尤其在受限社交媒体网络图像（例如专业摄影记者拍摄的名人高分辨率照片）方面，FR 取得了显著进展。然而，非受限低分辨率监控图像中更具挑战性的 FR 仍大体未被充分研究。为促进开发对低分辨率监控人脸图像有效且鲁棒的 FR 模型的更多研究，我们引入了一个新的监控人脸识别挑战赛，称为 QMUL-SurvFace 基准。该新基准是最大且更重要的是据我们所知唯一的真实监控 FR 基准，其中低分辨率图像并非由原生高分辨率图像人工下采样合成。该挑战包含 463,507 张人脸图像，涉及 15,573 个不同身份，捕获于真实世界非配合监控场景，跨越广阔空间与时间。因此，它呈现了一个极富挑战的 FR 基准。我们使用五种代表性深度学习人脸识别模型在该挑战上基准测试 FR 性能，并与现有基准比较。我们表明当前最优水平仍远不能令人满意，不足以应对实际法医场景中被低估的监控 FR 问题。人脸识别在开放集设置下通常更困难，这是监控场景的典型特征，因为大量非目标人员（干扰项）出现在开放空间场景中。显然在新监控 FR 挑战上，MegaFace 基准上性能最佳的 CentreFace 深度学习 FR 模型在 10% 误警率下仅能达到 13.2% 成功率（Rank-20）。
引用
@article{arxiv.1804.09691,
title = {Surveillance Face Recognition Challenge},
author = {Zhiyi Cheng and Xiatian Zhu and Shaogang Gong},
journal= {arXiv preprint arXiv:1804.09691},
year = {2018}
}
备注
The QMUL-SurvFace challenge is publicly available at https://qmul-survface.github.io/