人脸表示的无监督学习
计算机视觉与模式识别
2018-03-06 v1
摘要
我们提出了一种对 CNN 进行无监督训练以学习判别性人脸表示的方法。我们通过以下观察来挖掘监督训练数据：同一视频帧中的多张人脸必属于不同人物，而跨多帧跟踪的同一人脸必属于同一人物。我们从数百个视频中获取了数百万个人脸对，且未使用任何人工监督。尽管从视频中提取的人脸空间分辨率低于 LFW 和 CASIA-WebFace 等标准监督人脸数据集中可用的人脸，但前者代表了更为真实的场景，例如在监控场景中检测到的人脸大多非常小。我们使用从收集的视频帧中提取的相对低分辨率人脸训练 CNN，并在基准 LFW 数据集上取得了比 LBPs 等手工特征更高的验证准确率，甚至在使用低分辨率输入图像时超越了 VGG-Face 等最先进深度网络的性能。
引用
@article{arxiv.1803.01260,
title = {Unsupervised Learning of Face Representations},
author = {Samyak Datta and Gaurav Sharma and C. V. Jawahar},
journal= {arXiv preprint arXiv:1803.01260},
year = {2018}
}