Sep, 2020

人脸识别预测不确定性的引导估计

PDF
TL;DR本研究旨在提出一种基于 PCNet 的人脸图像质量评估方法，通过自动生成图像质量训练数据，实现生成可靠的人脸图像的置信度得分，进而提高任何人脸验证模型的识别准确度，以达到三个应用目的：筛选高质量人脸进行自动注册或显示；通过拒绝低质量人脸提高 1:1 基于图像的验证错误率；在 1:1 集合验证基准测试中，提高基于质量分数的融合效果。
发现论文，激发创造
  • 自动人脸图像质量预测

    通过支持向量回归模型与卷积神经网络提取的人脸特征预测人脸图像质量，利用人类对人脸图像质量的评估创建跨库评估的人脸图像预测器，在减少 FNMR 方面表现出极高的效果，是第一个成功应用人工评估的跨库人脸质量预测研究。

    Jun, 2017

  • 基于补丁的概率图像质量评估用于人脸选择和视频人脸识别改进

    提出一种有效的基于 patch 的人脸图像质量评估算法，该算法综合考虑了人脸图像的几何对齐、锐度、头部姿势等因素，能够识别最正面、对齐、锐利和照明良好的图像，并在实验中表明在人脸子集的选择方面，该方法优于现有技术，使人脸识别准确度显著提高。

    Apr, 2013

  • 人体姿势估计的校准

    该研究论文介绍了解决姿势估计中的误校准问题的方法，通过理论分析和网络调整实现了准确度的显著提升，并提出了一种轻量级后期增益算法（CCNet），可进一步改善准确度。

    Nov, 2023

  • 基于深度学习的人脸识别质量评估

    本文提出了基于深度学习的人脸识别质量评估方法，该方法采用卷积神经网络 FaceQnet 对输入图像进行预测，使用 BioLab-ICAO 框架标记 VGGFace2 图像的质量信息进行训练，最终证实 FaceQnet 得分与商用系统的人脸识别准确性高度相关。

    Apr, 2019

  • 人脸图像质量增强用于人脸识别的研究

    本文的研究主要关注在低质量照片中的人脸识别，作者从三个不同的质量数据集中进行了实验并使用先进的面部图像增强方法来提高识别的准确性，最终提出了一种新的低质量面部图像识别协议并得到实验验证。

    Jul, 2023

  • 神经概率后续主成分的不确定性量化

    为了在安全关键领域中部署图像恢复模型，本文提出了一种通过神经网络在单次前向传递中预测后验分布的主成分，可靠地传达实例适应不确定性方向，实现与后验采样器相当的不确定性量化，在速度上提升数倍。

    Sep, 2023

  • 提高置信度估计的可靠性

    本研究提出了一种基于元学习的框架来同时提高置信度估计模型在不均衡数据和各种数据输入情况下的表现，并在单目深度估计和图像分类任务中进行了验证。

    Oct, 2022

  • PDC-Net+：加强的概率密集对应网络

    提出了一种增强型概率密集对应网络 (PDC-Net+), 可以同时估计准确的密集对应关系和可靠的置信度分布，通过联合学习流估计和不确定性来预测密集匹配度，并且在自监督训练环境下具有更加稳健和可泛化的不确定性预测策略，对几何匹配和光流数据集取得了最先进的结果，并证明了概率置信度估计在姿态估计、3D 重建、图像定位和图像检索方面的有用性。

    Sep, 2021

  • PIC-Score: 面向单模 / 多模生物识别的概率可解释比对分数用于确信度计算

    本研究提出了一种基于概率解释的对比分数（PIC），它能够准确地反映得分来自同一身份样本的概率，在多模态生物识别中具有高识别和置信度估计性能。与其他方法相比，该方法具有更准确的概率解释。

    Nov, 2022

  • 喜好预测的视觉指导

    研究表明，我们可以利用计算机识别人脸信息并预测性别、年龄和外貌美丽程度，同时通过视觉协作过滤技术和新的回归技术推断人们之间的偏好，并基于此预测一张图片的相对吸引力。在一项大型的约会网站数据集和明星图片上，我们的实验获得了令人信服的结果，并得出了一些有意义的社会学结论。

    Oct, 2015