用于人脸验证与聚类的三元组概率嵌入
计算机视觉与模式识别
2017-01-19 v3 机器学习
机器学习
摘要
尽管过去二十五年取得了显著进展，无约束人脸验证仍是一个具有挑战性的问题。本文提出一种将基于深度CNN的方法与利用三元组概率约束学习的低维判别嵌入相结合的方法，以解决无约束人脸验证问题。除了带来性能提升外，该嵌入在内存以及诸如特定主体聚类等后处理操作方面提供了显著优势。在具有挑战性的IJB-A数据集上的实验表明，所提算法在验证和识别指标上性能与最先进方法相当或更好，同时需要少得多的训练数据和训练时间。所提方法在CFP数据集上的优越性能表明，我们的深度CNN学习到的表示对极端姿态变化具有鲁棒性。此外，通过在IJB-A和LFW数据集上进行简单聚类实验，我们展示了深度特征对包括年龄、姿态、模糊和杂乱在内的挑战的鲁棒性。
引用
@article{arxiv.1604.05417,
title = {Triplet Probabilistic Embedding for Face Verification and Clustering},
author = {Swami Sankaranarayanan and Azadeh Alavi and Carlos Castillo and Rama Chellappa},
journal= {arXiv preprint arXiv:1604.05417},
year = {2017}
}
备注
Oral Paper in BTAS 2016; NVIDIA Best paper Award (http://ieee-biometrics.org/btas2016/awards.html)