教何处去看：面向低分辨率人脸识别的注意力相似度知识蒸馏
计算机视觉与模式识别
2022-09-30 v1
摘要
深度学习在人脸识别基准上取得了卓越性能，但在低分辨率（LR）图像上性能显著下降。我们提出一种注意力相似度知识蒸馏方法，将高分辨率（HR）网络作为教师获得的注意力图迁移到 LR 网络作为学生，以提升 LR 识别性能。受人类能够基于从 HR 图像获得的先验知识从 LR 图像近似出物体区域这一能力的启发，我们采用余弦相似度设计知识蒸馏损失，使学生网络的注意力近似于教师网络的注意力。在各种 LR 人脸相关基准上的实验证实，所提方法普遍提升了 LR 设定下的识别性能，仅通过迁移构造良好的注意力图便优于最先进的结果。代码与预训练模型公开于 https://github.com/gist-ailab/teaching-where-to-look。
引用
@article{arxiv.2209.14498,
title = {Teaching Where to Look: Attention Similarity Knowledge Distillation for Low Resolution Face Recognition},
author = {Sungho Shin and Joosoon Lee and Junseok Lee and Yeonguk Yu and Kyoobin Lee},
journal= {arXiv preprint arXiv:2209.14498},
year = {2022}
}
备注
ECCV 2022 accepted