AAAIFeb, 2023

低分辨率人脸识别中的分辨率增强和度量：一个简单但有效的新基线

PDF
TL;DR研究提出一种新的处理低分辨率人脸识别的框架，其中采用了多分辨率增强和基于对数指数距离函数的度量损失，能够有效克服低分辨率下表现退化的问题，并在多种实验数据集上表现出良好的识别性能。
face recognitionlow resolutionmulti-resolution augmentationlogexp distance functionmetric loss
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

  • 低分辨率信息也很重要：学习多分辨率的人员再识别表示

    本文提出了一种名为 MRJL 的跨分辨率人物再识别方法，其通过分辨率重构网络和双特征融合网络提取并融合了多分辨率图像中的有效信息，并在五个基准测试中取得了优于现有方法的效果。

    May, 2021

  • 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

  • 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

  • 低分辨率人脸识别

    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。

    Nov, 2018

  • 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

  • 教导焦点：基于注意力相似度知识蒸馏的低分辨率人脸识别

    本文提出了一种注意力相似性知识蒸馏方法，通过将从高分辨率网络得到的注意力地图作为教师传递到低分辨率网络作为学生，从而提高低分辨率图像的识别性能。该方法在各种低分辨率人脸相关基准上的实验证明其通常可以通过简单地传输精心构造的注意力图来改善低分辨率设置下的识别性能，优于现有技术水平。

    Sep, 2022

  • 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

  • 通过先验辅助的人脸超分辨率重建和残差知识蒸馏实现不同分辨率下的人脸识别

    该研究提出了一个统一的分辨率不变模型（RIM）来解决低分辨率人脸识别问题，其中包含面部幻觉子网络（FHN）和异构识别子网络（HRN）。FHN 是一个三路生成对抗网络（GAN），使用无监督跨域对抗训练策略将非常低的分辨率查询图像超分辨率到比其 8 倍大的图像，HRN 是一个泛用的卷积神经网络（CNN），用于具有提取判别性特征表示的残差知识蒸馏策略的异构人脸识别。

    May, 2019