基于身份保持深度人脸超分辨率网络的极低分辨率人脸验证
计算机视觉与模式识别
2019-03-27 v1
摘要
人脸超分辨率方法通常旨在产生视觉上令人满意的结果，而非为后续人脸辨识保持区分性特征。在本工作中，我们提出一种用于极低分辨率人脸图像人脸验证的深度学习方法，其涉及身份保持人脸超分辨率。我们的框架包含一个超分辨率网络和一个特征提取网络。我们训练一个基于 VGG 的深度人脸识别网络（Parkhi 等，2015）用作特征提取器。我们的超分辨率网络被训练以最小化高分辨率真值图像与超分辨率图像之间的特征距离，其中特征由我们预训练的特征提取网络提取。我们在 FRGC、Multi-PIE、LFW-a 和 MegaFace 数据集上开展实验，以在受控与非受控设置下评估我们的方法。结果表明，所提方法在低分辨率人脸验证中优于传统超分辨率方法。
引用
@article{arxiv.1903.10974,
title = {Verification of Very Low-Resolution Faces Using An Identity-Preserving Deep Face Super-Resolution Network},
author = {Esra Ataer-Cansizoglu and Michael Jones and Ziming Zhang and Alan Sullivan},
journal= {arXiv preprint arXiv:1903.10974},
year = {2019}
}