Nov, 2018

低分辨率人脸识别

PDF
TL;DR提出一种新的基于深度学习的 Complement Super-Resolution and Identity (CSRI) 模型，用于在低分辨率的大规模原始面部图像上进行人脸识别并构造了一个新的面向此类问题的数据集 TinyFace，与现有的基准数据集相比，TinyFace 的结果表明了该模型在解决低分辨率大规模面部图像人脸识别问题方面的优势。
face-recognitionsuper-resolutiondeep learninglow-resolution imagesdataset
发现论文，激发创造
  • 野外低分辨率人脸识别：比较和新技术

    本文分析在野外捕捉到的低质量条件下的人脸识别技术，提出了超分辨率方法、深度学习和有监督的判别学习方法来处理这个问题，并在 SCFace 和 UCCSface 数据集上进行了评估。

    May, 2018

  • 低质量图像中的人脸识别：一项调查

    本文综述了过去五年中低分辨率人脸识别的各种方法及相关工作，涉及视频监控、超分辨率、去模糊等技术，并对数据集和实验设置进行了描述，最后总结了一般限制和未来努力的优先事项。

    May, 2018

  • 监控人脸识别挑战赛

    介绍了 QMUL-SurvFace benchmark，提供了低分辨率监控图像的面部识别挑战，利用五个具有代表性的深度学习面部识别模型进行了评估，结果表明目前的技术仍然远不能满足实际的刑事犯罪调查需求。

    Apr, 2018

  • 人脸识别的跨分辨率学习

    本文提出了一种训练方法来 fine-tune 现代的人脸识别模型，以帮助它们提取抗分辨率的深层特征，同时也考虑了高低分辨率和低质量人脸识别的问题，并展示了使用超分辨率技术进行预处理可以更有效地使用我们的方法。

    Dec, 2019

  • 深度多帧人脸超分辨率

    我们提出了一种面向多帧人脸识别、对齐和超分辨率的综合系统，使用神经网络架构，同时考虑多个相邻帧，并利用子像素运动，从而显著提高了识别得分。

    Sep, 2017

  • CCFace: 低分辨率人脸识别的分类一致性

    通过提出一种新的分类一致性知识蒸馏方法，将高分辨率模型的学习分类器转移到低分辨率网络，从而找到低分辨率实例的有区别的表征，并借助自适应角度惩罚降低过拟合，改善模型收敛问题以及使用半监督表示学习方法来提高低分辨率实例的可区分性，并防止其形成一个簇，该方法在低分辨率基准测试上表现优于现有方法，同时保持了高分辨率基准测试的性能。

    Aug, 2023

  • 一种用于超分辨率低分辨率人脸图像的统一框架

    提出了一种使用统一框架进行人脸图像超分辨率的算法，该算法采用三个自编码器、一个特征权重回归器和一个最终的图像解码器作为神经网络结构，可以对多种不同低分辨率的输入图像进行超分辨率处理，实现了领先水平的性能表现。

    Jun, 2023

  • 微小人脸的联合超分辨率与对齐

    本文提出一种联合对齐和超分辨率网络，通过共享深度编码器提取特征，实现同时检测面部标记和超分辨率。实验证明，该模型在检测微小面部标记和超分辨率方面优于现有方法。

    Nov, 2019

  • EfficientSRFace: 一种高效的具有超分辨增强的网络，用于准确的面部检测

    为解决深度人脸检测在低分辨率人脸检测中的性能问题，本文提出了一种新的高效检测器 EfficientSRFace，引入了特征级超分辨率重建网络，并在公共数据集 FDDB 和 WIDER Face 上取得了与现有算法相当的检测性能结果。

    Jun, 2023

  • 探索提高低分辨率人脸识别的因素

    本论文主要研究如何利用检测因素来提高基于深度学习的人脸识别在低质量图像下的识别准确率，通过利用 MS-Celeb-1M 数据集并对 VGGFace2 数据集进行微调，达到了 SCFace 和 ICB-RW 基准测试的最新水平。

    Jul, 2019