Zoom-RNN：一种基于循环神经网络的人物识别新方法
计算机视觉与模式识别
2018-09-27 v2
摘要
社交媒体的极度流行导致每天有大量个人照片上传至互联网。由于这些照片是在无约束环境下拍摄的，识别照片中人物的身份仍然是一项挑战。研究表明，利用人脸外观以外的证据可提升人物识别系统的性能。在本工作中，我们旨在以逐级放大的方式利用从不同身体区域获取的额外线索进行人物识别。为此，我们提出 Zoom-RNN，一种基于循环神经网络、用于融合从全身、上半身和头部区域提取证据的新方法。我们的模型在一个具有挑战性的数据集（即 People In Photo Albums (PIPA)）上进行了评估，结果表明采用我们的系统相较传统融合方法在性能上有显著提升。
引用
@article{arxiv.1809.09189,
title = {Zoom-RNN: A Novel Method for Person Recognition Using Recurrent Neural Networks},
author = {Sina Mokhtarzadeh Azar and Sajjad Azami and Mina Ghadimi Atigh and Mohammad Javadi and Ahmad Nickabadi},
journal= {arXiv preprint arXiv:1809.09189},
year = {2018}
}
备注
8 pages, 5 figures