基于 CNN 人脸验证的注意事项
计算机视觉与模式识别
2017-09-08 v2
摘要
尽管研究界似乎在标注数据获取、CNN 设计和训练方法上已达成共识，但仍有许多问题有待解答。本文探讨了以下对人脸识别研究至关重要的问题：(i) 能否在静态图像上训练并期望系统在视频上正常工作？(ii) 更深的数据集是否优于更广的数据集？(iii) 添加标签噪声是否会提升深度网络的性能？(iv) 人脸识别是否需要对齐？我们通过使用 CASIA-WebFace、UMDFaces 和一个新的视频数据集训练 CNN，并在 YouTube-Faces、IJB-A 以及 UMDFaces 数据集的一个不相交部分上进行测试，来回答这些问题。我们的新数据集包含 22,075 个视频和从中提取的 3,735,476 帧人工标注图像，将公开发布。
引用
@article{arxiv.1705.07426,
title = {The Do's and Don'ts for CNN-based Face Verification},
author = {Ankan Bansal and Carlos Castillo and Rajeev Ranjan and Rama Chellappa},
journal= {arXiv preprint arXiv:1705.07426},
year = {2017}
}
备注
10 pages including references, added more experiments on deeper vs wider dataset (section 3.2)