跨视角变化的双胞胎识别：深度卷积神经网络超越人类
计算机视觉与模式识别
2022-07-13 v1
摘要
深度卷积神经网络（DCNNs）在人脸辨识中已达到人类水平的准确率（Phillips 等人，2018），但尚不清楚它们在区分高度相似人脸时的准确程度。在此，人类和一种 DCNN 执行了一项具有挑战性的人脸身份匹配任务，其中包含同卵双胞胎。参与者（N=87）观看三类人脸图像对：相同身份对、一般冒名对（来自相似人口群体的不同身份）和双胞胎冒名对（同卵双胞胎兄弟姐妹）。任务是判断图像对中的两人是否为同一个人。身份比较在三种视角差异条件下进行测试：正面到正面、正面到 45 度侧面、正面到 90 度侧面。在每种视角差异条件下评估了从双胞胎冒名者和一般冒名者中区分匹配身份对的准确率。人类对一般冒名对的准确率高于双胞胎冒名对，且随着一对图像间视角差异增大，准确率下降。一个为人脸辨识训练的 DCNN（Ranjan 等人，2018）在呈现给人类的相同图像对上进行了测试。机器表现反映了人类准确率的模式，但在除一种条件外的所有条件下表现均达到或高于所有人类。在所有图像对类型间比较了人类和机器的相似度分数。该条目级分析显示，人类和机器的相似度评分在九种图像对类型中的六种里显著相关[范围 r=0.38 至 r=0.63]，表明人类对人脸相似性的感知与 DCNN 之间存在总体一致性。这些发现也有助于我们理解 DCNN 在区分高相似度人脸上的表现，证明 DCNN 达到或高于人类水平，并提示人类与 DCNN 所使用的特征具有一定程度的对等性。
引用
@article{arxiv.2207.05316,
title = {Twin identification over viewpoint change: A deep convolutional neural network surpasses humans},
author = {Connor J. Parde and Virginia E. Strehle and Vivekjyoti Banerjee and Ying Hu and Jacqueline G. Cavazos and Carlos D. Castillo and Alice J. O'Toole},
journal= {arXiv preprint arXiv:2207.05316},
year = {2022}
}