利用无标签合成数据的无监督人脸识别
计算机视觉与模式识别
2022-11-15 v1
摘要
过去几年,人脸识别的主要研究创新集中于使用多类分类损失变体在大规模身份标注数据集上训练深度神经网络。然而,由于隐私与伦理担忧加剧,这些数据集的创建者已撤回许多。最近,隐私友好的合成数据被提议作为隐私敏感真实数据的替代,以遵守隐私法规并确保人脸识别研究的连续性。本文中,我们提出一种基于无标签合成数据(USynthFace)的无监督人脸识别模型。我们提出的USynthFace学习最大化同一合成实例的两张增强图像间的相似度。我们通过一大组几何与颜色变换,以及有助于USynthFace模型训练的基于GAN的增强来实现这一点。我们还对USynthFace的不同组件进行了大量实证研究。借助所提增强操作集,我们证明了USynthFace在使用无标签合成数据取得相对较高识别精度上的有效性。
引用
@article{arxiv.2211.07371,
title = {Unsupervised Face Recognition using Unlabeled Synthetic Data},
author = {Fadi Boutros and Marcel Klemt and Meiling Fang and Arjan Kuijper and Naser Damer},
journal= {arXiv preprint arXiv:2211.07371},
year = {2022}
}
备注
Accepted at Face and gesture 2023