基于深度残差等变映射的姿态鲁棒人脸识别
Kaidi Cao2lowast;Yu Rong1,2lowast;Cheng Li2Xiaoou Tang1Chen Change Loy1
香港中文大学信息工程系
{ry017, ccloy, xtang}@ie.cuhk.edu.hk{caokaidi, chengli}@sensetime.com
摘要
由于深度学习的出现，人脸识别取得了非凡的成功。然而，与正面人脸相比，许多现代人脸识别模型在处理侧面人脸时仍然表现得相对较差。一个关键原因是正面和侧面训练面的数量是十分不平衡的，正面训练样本比侧面训练样本多得多。另外，学习一种对大的姿态变化具有几何不变性的深层表达是很困难的。在这项研究中，我们假设正面和侧面之间存在内在映射，因此，它们在深层表征空间中的差异可以通过等变映射来弥补。为了利用这种映射，我们提出了一种新的深度残差等变映射（DREAM）块，它能够自适应地将残差添加到输入深度表示中，从而将轮廓人脸表示转换为标准姿势，从而简化识别。DREAM块在不增加轮廓人脸训练数据的情况下，对包括ResNet模型在内的多个深度复杂的网络，一致地提高了轮廓人脸识别的性能。该块易于使用，权重轻，并且可以使用十分少量的计算开销实现1。
1介绍
深度学习的出现极大地推进了人脸识别的前沿领域[29，30]。在无约束环境下进行人脸识别时，主要的焦点集中在近正面人脸上，而不保证视点的一致性。虽然从正面到正面轮廓人脸验证，人脸的呈现只会略有下降，但许多现有的算法都会下降10%以上[26]。因此，大姿态变化仍然是人脸识别面临的一个重大挑战。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
