当 3D 辅助 2D 人脸识别遇上深度学习：用于姿态不变人脸识别的扩展 UR2D
计算机视觉与模式识别
2017-09-20 v1
摘要
大多数人脸识别工作专注于特定模块或展示某一研究理念。本文提出了一种姿态不变的 3D 辅助 2D 人脸识别系统（UR2D），该系统通过利用深度学习技术，对高达 90 度的姿态变化具有鲁棒性。本文描述了 UR2D 的架构和接口，并详细介绍了每个模块。在 UHDB31 和 IJB-A 上进行了大量实验，结果表明，在人脸识别任务中，UR2D 在 UHDB31 数据集上的平均性能至少比现有的 2D 人脸识别系统（如 VGG-Face、FaceNet 和现成商业软件（COTS））高出 9%，在 IJB-A 数据集上平均高出 3%。通过比较模板匹配的 Rank-1 准确率得分，UR2D 在 IJB-A 数据集上也达到了 85% 的现有最佳性能。它填补了一项空白，提供了一个使用深度学习技术且与 2D 人脸识别系统结果兼容的 3D 辅助 2D 人脸识别系统。
引用
@article{arxiv.1709.06532,
title = {When 3D-Aided 2D Face Recognition Meets Deep Learning: An extended UR2D for Pose-Invariant Face Recognition},
author = {Xiang Xu and Pengfei Dou and Ha A. Le and Ioannis A. Kakadiaris},
journal= {arXiv preprint arXiv:1709.06532},
year = {2017}
}
备注
Submitted to Special Issue on Biometrics in the Wild, Image and Vision Computing