一种无监督深度学习图像验证方法
计算机视觉与模式识别
2024-02-08 v2 人工智能
计算机与社会
摘要
尽管深度学习常用于图像识别，但通常需要大量标注训练数据，而这些数据未必总是 readily available。这导致其与最先进的无监督人脸验证技术相比存在明显的性能差距。在本工作中，我们提出了一种利用自编码器将人脸图像向量转换为新颖表示的方法，以缩小这一差距。值得注意的是，该自编码器被训练用于重构邻近的人脸图像向量，而非原始输入图像向量。这些邻近人脸图像向量是通过基于与训练人脸图像向量最高余弦分数的无监督过程选择的。所提方法在 Labeled Faces in the Wild (LFW) 数据集上，相较于基线系统在等错误率 (EER) 指标上实现了 56% 的相对提升。这成功缩小了余弦评分系统与 PLDA 评分系统之间的性能差距。
引用
@article{arxiv.2312.14395,
title = {Unsupervised Deep Learning Image Verification Method},
author = {Enoch Solomon and Abraham Woubie and Eyael Solomon Emiru},
journal= {arXiv preprint arXiv:2312.14395},
year = {2024}
}