AAAIApr, 2017

异构人脸识别的联合深度学习

PDF
TL;DR本文提出了一种基于联合深度学习的异构人脸匹配方法，该方法通过在特征空间中寻找共享特征空间，将异构人脸匹配问题近似为同质人脸匹配问题。实验结果表明，该方法可以在具有挑战性的 CASIA NIR-VIS 2.0 人脸识别数据库以及 IIIT-D Sketch 数据库、CUHK Face Sketch（CUFS）和 CUHK Face Sketch FERET（CUFSF）等数据库上实现更好的性能。
heterogeneous face matchingdeep learningcoupled deep learningtrace normcross modal ranking
发现论文，激发创造
  • 异构人脸识别的共享表示学习

    本研究提出了一种基于深度学习无监督算法的异质人脸识别框架，通过在局部人脸点处提取 Gabor 特征，并使用 RBM 学习本地共享表示来消除每个人脸点周围的异质性。最后，将局部 RBM 的共享表示连接在一起，并通过 PCA 处理，成功地解决了 Sketch-Photo 和 NIR-VIS 问题，并在相应的数据库上取得了最佳实验结果。

    Jun, 2014

  • 基于模板的人脸识别深度异质特征融合

    本文提出了一种深度异构特征融合网络，用于增强不同深度卷积神经网络生成的特征之间的关联性，以实现基于模板的人脸识别任务，并在 IARPA Janus Challenge Set 3 (Janus CS3) 数据集上证明了本方法的有效性。

    Feb, 2017

  • DVG-Face：双重变分生成用于异质人脸识别

    该研究提出了一种双重生成模型，通过引入正面样本和负面样本，从而生成大量多样的异构人脸图像以训练异构人脸识别（HFR）网络，使其具有域不变且具有区分度的嵌入特征，并在多项挑战性数据库的 5 个 HFR 任务上实现了优越的表现。

    Sep, 2020

  • 跨域相似度学习在未知域中的人脸识别

    本文介绍了一种名为 CDT 损失的跨域度量学习方法，该方法通过在网络中统一损失函数中的另一个培训领域中与三元样本相关的明确度量来提高面部识别在未知领域的性能。

    Mar, 2021

  • 低样本异构人脸识别的双变分生成方法

    本文提出一种新的双变分生成框架 (DVG)，通过生成大规模的具有相同身份的异构图像，从噪声中减少异构人脸识别 (HFR) 中领域差距，实现了身份一致性和配对特征距离的约束，有效缩小了领域差距。经过在四个 HFR 数据集上的广泛实验测试，表明我们的方法可以显著改进最先进的结果。

    Mar, 2019

  • 异构人脸识别的解耦变分表示

    本文提出了一种利用 Disentangled Variational Representation (DVR) 进行 NIR 和 VIS 模态匹配的方法，在生成具有内在身份信息和内部变化的脸部表示的基础上，通过探索解缠绕潜变量空间，使用变分下界对 NIR 和 VIS 表示进行优化，取得了较大的改进。

    Sep, 2018

  • 对抗式判别异质人脸识别

    本文提出了一种对抗鉴别特征学习框架，通过在原始像素空间和紧凑特征空间上进行对抗学习，整合跨光谱人脸超分辨率和鉴别特征学习。在三个 NIR-VIS 数据库的实验结果表明，我们的方法优于最先进的 HFR 方法，且不需要复杂网络或大规模训练数据集。

    Sep, 2017

  • 基于多边界的异构人脸识别去相关学习

    本文提出了一种名为多边距基准去相关学习的深度神经网络方法，用于识别在不同情境中获取的面部图像，并在两个具有挑战性的异构面部数据库上实现了比最先进方法更卓越的验证和识别效果。

    May, 2020

  • 通过广义相似度度量和特征学习进行跨领域视觉匹配

    本论文提出了一种新的成对相似度测量模型，该模型通过将传统线性投影扩展为仿射变换，并将仿射马氏距离和余弦相似度融合为数据驱动的组合，结合特征表示学习和深度卷积神经网络，实现了端到端的模型优化，在多个跨域匹配任务中测试并取得了优于其他现有方法的结果。

    May, 2016

  • 使用领域不变单元的异构人脸识别

    基于预训练的人脸识别模型作为教师网络，学习领域不变的网络层，称为领域不变单元（DIU），用于减小不同模态之间的领域差距，并通过对比蒸馏框架有效地进行训练，以提高适应各种数据变化的预训练模型的性能。在多个具有挑战性的基准测试中，我们广泛评估了该方法，展示出优于最先进方法的性能。

    Apr, 2024