未知身份拒绝损失：利用无标签数据进行人脸识别
计算机视觉与模式识别
2019-10-25 v1
摘要
随着大规模标注数据集的可用，人脸识别取得了显著进展。然而，如何利用易于获取的无标签数据集进一步提升性能仍是一个挑战。本文中，我们提出新颖的未知身份拒绝（UIR）损失来利用无标签数据。我们将非受限环境中的身份划分为已知集合和未知集合。前者对应于标注训练数据集中出现的身份，而后者是其补集。除了训练模型准确分类已知身份外，我们还通过提出的 UIR 损失迫使模型拒绝由无标签数据集提供的未知身份。为了“拒绝”未知身份的面部，已知身份的中心被迫与未知身份的中心保持足够间隔，后者被假定由其样本特征近似。通过这种方式，人脸表示的判别性得以增强。实验结果表明，我们的方法通过利用无标签数据能带来明显的性能提升。
引用
@article{arxiv.1910.10896,
title = {Unknown Identity Rejection Loss: Utilizing Unlabeled Data for Face Recognition},
author = {Haiming Yu and Yin Fan and Keyu Chen and He Yan and Xiangju Lu and Junhui Liu and Danming Xie},
journal= {arXiv preprint arXiv:1910.10896},
year = {2019}
}
备注
8 pages, 2 figures, Workshop paper accepted by Lightweight Face Recognition Challenge & Workshop (ICCV 2019)