合成人脸老化：评估、分析与促进年龄鲁棒的人脸识别算法
计算机视觉与模式识别
2024-10-23 v1
摘要
准确识别人脸随人类衰老因素变化的能力，对于海关、公共安全局、护照办公室和国家数据库系统等各种私人和政府部门具有重要意义。因此，开发一个鲁棒的年龄不变人脸识别系统，对于应对衰老带来的挑战并保持人脸识别技术的可靠性和准确性至关重要。本研究工作的重点是探索利用合成老化数据来提高人脸识别模型鲁棒性的可行性，这最终有助于在更宽的年龄间隔内识别人。为此，我们首先设计了一组实验来评估最先进的合成老化方法。在下一阶段，我们通过使用合成老化数据和真实老化数据进行严格的训练和验证，探讨年龄间隔对当前基于深度学习的人脸识别算法的影响。此外，这些合成年龄数据已被用于促进人脸识别算法。实验结果表明，当在年龄差距为40年的图像上进行测试时，在合成老化图像上训练的模型的识别率比基线模型的结果高3.33%，这证明了合成年龄数据的潜力，该数据已被量化以增强年龄不变人脸识别系统的性能。
引用
@article{arxiv.2406.06932,
title = {Synthetic Face Ageing: Evaluation, Analysis and Facilitation of Age-Robust Facial Recognition Algorithms},
author = {Wang Yao and Muhammad Ali Farooq and Joseph Lemley and Peter Corcoran},
journal= {arXiv preprint arXiv:2406.06932},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication