通过对齐学习实现端到端人脸识别
计算机视觉与模式识别
2017-08-02 v1
摘要
在过去的十年中，已提出大量有效的人脸识别方法。尽管这些方法在许多方面本质不同，但它们的共同做法是在特征提取前基于人脸结构先验知识专门对齐面部区域。在大多数系统中，人脸对齐模块是独立实现的。这实际上给端到端人脸识别模型的设计与训练带来了困难。本文中，我们研究了端到端人脸识别中对齐学习的可能性，其中既不需要人脸关键点的先验知识，也不需要人为定义的几何变换。具体而言，在用于人脸识别的卷积神经网络(CNN)中，将空间变换层插入到特征提取层之前。仅利用人类身份线索来驱动神经网络自动学习最适合的几何变换以及最适合识别任务的面部区域。为确保可复现性，我们的模型纯粹在公开可用的CASIA-WebFace数据集上训练，并在Labeled Face in the Wild (LFW)数据集上测试。我们取得了99.08\%的验证准确率，与基于单模型的最先进方法相当。
引用
@article{arxiv.1701.07174,
title = {Towards End-to-End Face Recognition through Alignment Learning},
author = {Yuanyi Zhong and Jiansheng Chen and Bo Huang},
journal= {arXiv preprint arXiv:1701.07174},
year = {2017}
}
备注
9 pages, 8 figures