本篇论文介绍了一种基于卷积神经网络设计的人脸检测器,该检测器可以处理极大范围内尺度大小的人脸,所设计的深度卷积神经网络结构可以模拟不同尺度的人脸,且经过训练后在 WIDER FACE 和 FDDB 数据集中表现出优异性能,其模型的输入不需要图像金字塔,拥有适度的复杂度,实用性标准时间内运行。
Jun, 2017
研究者使用 Million 的人脸图像数据集,评估各种最先进的人脸识别算法的表现,并发现大规模情况下的性能变化,尤其是深度学习方法在大规模情况下依然表现良好,但对于规模的变化也变得不够鲁棒。研究者还通过机械土耳其进行了广泛人类研究,并报告了结果。
May, 2015
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
提出了一种基于面部识别网络的监督学习方法 MICA,能够实现更精确的面部重建和跟踪,且在当前的非度量基准测试和度量基准测试上都有着较大的优势。
Apr, 2022
本研究将数据不确定性学习应用于人脸识别,实现对特征(平均值)和不确定性(方差)的同时学习,并提供了有关如何结合不确定性估计来减少噪声样本不利影响以及影响特征学习的深入分析。
通过向人脸关键点检测网络中追加单层网络以进行面部质量分数回归,提出了一种针对边缘设备的人脸质量评分回归算法,可在识别准确度更高的前提下保证处理效率。
Jul, 2022
该论文探讨了物体识别中探测小物体的挑战,重点考察了尺度不变性、图像分辨率、语境推理等方面,并通过训练深度网络实现了在小脸检测方面的突破,在 FDDB 和 WIDER FACE 数据集上实现了优异的结果。
Dec, 2016
本研究采用深度量化网络的三元组结构,将视频的真实性进行分类,有效提高了真伪判断的准确性。并取得了 Celeb-DF 数据集上 99.2% 的最优 AUC score 和高度压缩的神经纹理数据集上 90.71% 的准确率。
本文分析了人脸质量评估和识别偏见之间的相关性,发现当前人脸质量评估算法也存在偏见,应注意公平和歧视问题。
Apr, 2020
本文介绍了一种以 Gaussian 分布为目标分布的生物测量学神经网络 BioMetricNet,通过学习最佳特征表示和判定度量,改善了现有基于人脸识别的模型,在公共数据集上表现出更高的性能。
Aug, 2020