Jun, 2021

利用不可识别人脸来提高人脸识别能力

PDF
TL;DR本文介绍了一个基于深度神经网络实现的面部图像嵌入方法，并提出了一种计算人脸图像可识别性的度量方法，将其应用到面部识别系统设计中，其中计算出的 “无法识别身份” 的距离被用于示例验证。在 IJB-C 身份验证基准测试中，本文方法将单图面部识别错误率降低了 58％（FAR = 1e-5），将集合识别错误率降低了 24％（FAR = 1e-5）。
face recognition systemsembeddingdeep neural networkrecognizabilityerror rate
发现论文，激发创造
  • 极低分辨率人脸识别及质量评估的可识别嵌入增强

    本文提出了一种在嵌入空间中提高人脸可识别性的方法，该方法基于两个标准：每个面嵌入与不可识别面群集中心的接近程度以及每个面嵌入与其正面和负面类原型的接近程度，并引入了感知注意机制来关注最具识别性的面部区域。经过对三个具有挑战性的低分辨率数据集和面部质量评估进行了广泛的评估，证明了所提出的模型在 VLRFR 方面的优越性。

    Apr, 2023

  • 不可识别但可辨认：保留嵌入的图像扭曲

    开发生物识别身份验证系统时，隐私和安全是一个重要问题。本文介绍了一种创新的图像扭曲技术，通过神经网络模型使人脸图像在肉眼无法识别的情况下保持其可识别性，既解决了人工智能和工程领域中的相关挑战，又在生物识别身份验证系统中实现了安全、精确性和性能的平衡。

    Jan, 2024

  • 从人脸识别到身份模型：一种贝叶斯方法学习如何从无监督数据中获取未知身份信息

    提出了一个结合了 Bayesian 模型的混合学习方法，可进行半监督下的面部识别并可以自适应地将身份与上下文相关联，同时也可以从未被标记的数据中自动学习新的身份信息。

    Jul, 2018

  • 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

  • 基于视频的无约束人脸识别自动化系统

    提出了一个用于多个挑战性情景的视频人脸识别的鲁棒且高效的系统，包括人脸 / 标志检测、人脸关联和人脸识别等模块，特别是针对多镜头视频设计了精心的人脸关联方法，采用一种基于无监督子空间学习方法和子空间到子空间相似度度量的人脸匹配器来识别人脸，广泛实验表明该系统可以准确地检测和关联未约束的视频中的人脸，并有效地学习到具有鲁棒性和区分性的特征用于识别。

    Dec, 2018

  • SER-FIQ: 基于随机嵌入鲁棒性的无监督人脸图像质量估计

    本文提出了一种基于随机子网络的人脸图像质量评估方法，使用嵌入变化来估计样本表示的健壮性和相应的图像质量，并在三个公开数据库上进行了交叉数据库评估。实验表明，此方法超过了其他学术和工业界的六种方法，表现出稳定的性能。

    Mar, 2020

  • 利用野外未标记人脸聚类来提高人脸识别效果

    研究提出一种基于极值理论的新颖身份分离方法，作为一种超分布检测算法，大大减少了重叠身份标签噪声所导致的问题，通过对余弦损失的调节，给出了聚类不确定性的估计，实验结果表明，该方法在受控和实际环境下比监督基线方法都有更好的性能。

    Jul, 2020

  • 极端环境下的人脸检测：机器学习方法

    本文提出一种深层级联多任务框架，通过三层深度卷积神经网络的分级设计，在对人脸和人脸特征区域进行预测的粗到细的过程中，利用其中的内在相关性以提高人脸检测和特征点定位的性能，在学习过程中还采用一种新型的在线困难样本挖掘方法，能够自动提高性能而无需手动样本选择。

    Jan, 2022

  • 提高人脸模型身份鲁棒性

    本研究提出使用人脸识别嵌入向量作为代理标识，通过加权样本来强制实现模型的稳健性和性能均匀性，在不需要注释的情况下提高模型的标识相关性的稳健性和性能。

    Apr, 2023

  • 人脸检测中的鲁棒性差异

    这篇研究论文旨在通过详细的基准测试来检查商业和学术模型的人脸检测问题，特别关注这些系统对于不同身份的人的鲁棒性和公平性的问题，结果发现西方男性、年龄偏大、皮肤较暗和光照条件较差的人更容易受到错误的影响。

    Nov, 2022