Mar, 2019

低样本异构人脸识别的双变分生成方法

PDF
TL;DR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。
heterogeneous face recognitiondual variational generationdomain gapidentity consistencypairwise feature distances
发现论文，激发创造
  • 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

  • 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

  • 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

  • 重新思考近红外人脸识别中的领域差距

    利用大规模可见光数据对大型神经网络进行预训练，然后采用正则化的微调策略，通过将异构人脸识别问题视为低数据微调问题，达到或超过四个公开基准的最新成果。

    Dec, 2023

  • 异构人脸识别的图形表达

    本文提出了一种基于图形表现的异构人脸识别方法 (G-HFR)，在该方法中，马尔可夫网络用于分别表示异构图像补丁，同时考虑相邻图像补丁之间的空间兼容性。实验表明，该方法优于现有的最新方法。

    Mar, 2015

  • 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

  • 面部综合识别中的身份特征解耦人脸合成

    本文介绍一种从异构数据扩充的视角出发的新型异构人脸识别方法 —— 具有身份属性解缠的人脸合成（FSIAD），在大量合成的图像中使用随机组合的解缠特征丰富图像属性的多样性，并将合成和原始图像同时用于训练网络，以提高异构人脸识别的性能。

    Jun, 2022

  • 异构人脸识别综述：素描、红外、3D 和低分辨率

    该综述文章深入探讨了异构人脸识别技术的已有技术及最新进展，并提供了常用的数据集和评估方法，最终对该领域进行了评估，并探讨了未来的研究方向。

    Sep, 2014

  • 异构人脸识别的联合深度学习

    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。

    Apr, 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