当人脸识别遭遇遮挡:一个新基准
计算机视觉与模式识别
2021-03-05 v1
摘要
现有人脸识别数据集通常缺乏遮挡样本,这阻碍了人脸识别的发展。尤其在 COVID-19 冠状病毒疫情期间,戴口罩已成为防止病毒传播的有效手段。在现有数据集上训练的传统基于 CNN 的人脸识别模型对严重遮挡几乎无效。为此,我们开创了一个模拟遮挡人脸识别数据集。具体而言,我们首先收集多种眼镜和口罩作为遮挡物,并随机组合遮挡属性(遮挡物体、纹理和颜色)以实现大量更真实的遮挡类型。然后我们以正常的遮挡习惯将其覆盖在人脸图像的适当位置。此外,我们合理地将原始正常人脸图像与遮挡人脸图像结合,形成我们最终的数据集,称为 Webface-OCC。它涵盖 10,575 个主体的 804,704 张人脸图像,具有多样的遮挡类型以确保其多样性和稳定性。在公开数据集上的大量实验表明,用我们的数据集重新训练的 ArcFace 显著优于现有最优方法。Webface-OCC 可在 https://github.com/Baojin-Huang/Webface-OCC 获取。
引用
@article{arxiv.2103.02805,
title = {When Face Recognition Meets Occlusion: A New Benchmark},
author = {Baojin Huang and Zhongyuan Wang and Guangcheng Wang and Kui Jiang and Kangli Zeng and Zhen Han and Xin Tian and Yuhong Yang},
journal= {arXiv preprint arXiv:2103.02805},
year = {2021}
}
备注
Accepted by ICASSP 2021