TV-GAN：基于生成对抗网络的热红外至可见光人脸识别
计算机视觉与模式识别
2017-12-08 v1
摘要
本工作解决利用热红外相机传感器所采集图像的人脸识别任务，此类传感器可在无光环境下工作。尽管这能大幅拓展当前安全监控系统的范围与效益，但相较于可见光域（VLD）中的人脸识别任务，使用热红外图像执行该任务是一个更具挑战性的问题。这部分归因于所收集的热红外图像数据量远少于VLD数据。遗憾的是，直接将现有使用VLD数据训练的极强人脸识别模型应用于热红外图像无法产生令人满意的性能。这是由于热红外与VLD图像之间存在域间隙。为此，我们提出热红外至可见光生成对抗网络（TV-GAN），其能够将热红外人脸图像转换为对应的VLD图像，同时保持足以让现有VLD人脸识别模型进行识别的身份信息。图1给出了若干示例。与以往方法不同，我们提出的TV-GAN使用显式闭集人脸识别损失来正则化判别器网络训练。该信息随后以梯度损失的形式传入生成器网络。实验中，我们表明通过为判别器网络增加此显式正则化，TV-GAN能在翻译TV-GAN此前未见过的人员热红外图像时保留更多身份信息。
关键词
引用
@article{arxiv.1712.02514,
title = {TV-GAN: Generative Adversarial Network Based Thermal to Visible Face Recognition},
author = {Teng Zhang and Arnold Wiliem and Siqi Yang and Brian C. Lovell},
journal= {arXiv preprint arXiv:1712.02514},
year = {2017}
}