Aug, 2023

集成聚类数据训练的开放集人脸识别

PDF
TL;DR本研究介绍了一种可扩展的开放式人脸识别方法，用于包含数百和数千个主题的图库。通过聚类和二元学习算法的集合，该方法可以准确识别感兴趣的个体，并有效处理陌生人脸。它选择最合适的图库主题，并使用集合方法来提高预测性能。通过在众所周知的 LFW 和 YTF 基准测试上进行实验，结果表明即使针对可扩展性，也可以实现竞争性能。
open-set face recognitionscalable approachbinary learning algorithmsgallery subjectsprediction performance
发现论文，激发创造
  • 神经集成、极大熵损失和特征增强的开放集人脸识别

    这项研究介绍了一种新的方法，该方法利用紧凑型神经网络和基于边界的代价函数来关联，从而探索额外的样本，并可以通过在训练时间的表示层次上从外部数据库中获取补充的负样本或进行合成建模。实验结果表明，该方法能够提高闭集和开放集的识别率。

    Aug, 2023

  • 开放式人脸识别

    本文提出了一种基于开放式协议的人脸识别方法，并对不同的相似性评估策略进行了评估，发现使用 EVM 概率阈值法可以在一个开放式的协议下实现最佳性能。

    May, 2017

  • 开放集合人脸表情识别

    我们提出了一种新的面部表情识别模型，将小类间距的劣势转化为优势，通过注意力图的一致性和循环训练来检测开放集样本，实验证明我们的方法在各种面部表情识别数据集上明显优于现有的开放集识别方法。

    Jan, 2024

  • 最大熵和物体球损失的开放集人脸识别

    通过引入一个紧凑的适配器网络，该研究采用预训练的深度神经网络作为特征提取器，并在开放集协议下，在增加负样本熵和专门化图库的同时，取得了在三个不同数据集（LFW，IJB-C 和 UCCS）上有希望的成果，以及当额外的负样本数据被合理选择用于微调适配器网络时，达到了最先进的性能。

    Nov, 2023

  • 使用类内分割进行开放式识别

    本文介绍了一种利用深度神经网络作为端到端开放集分类器的方法，并基于类内数据拆分。作者将给定的数据划分为典型和非典型标准子集，使得在异常类的模拟上更有效，即将开放集识别问题转化为传统的分类问题。此外，作者还提出了一种闭集正则化方法，以保证闭集分类性能，通过五个著名的图像数据集上的实验，也证明了该方法的有效性。

    Mar, 2019

  • 基于增强相似性学习的开放式识别

    研究中提出了一种 Open set recognition based on Pseudo unseen data Generation (OPG) 方法，利用相似度学习，通过先学习一个 closed set classifier，再学习如何将已知类别分别与伪未知类别进行比较（通过数据分布转化生成的），从而检测未知类别（或未看到过的类别），实验结果表明，这种基于相似度特征的方法可成功区分开放性识别基准数据集中已知和未知的类别。

    Mar, 2022

  • 基于神经网络的开放集识别表示学习

    本文研究开放式识别问题，通过神经网络解决恶意软件分类判断中的未知类别问题，实验结果表明该方法在两个不同领域的三个数据集上比其他方法明显提高。

    Feb, 2018

  • 开放集图像识别综述

    本文总结了最新的开放式图像识别方法的发展，主要包括了基于深度神经网络的方法在粗粒度和细粒度数据集上的性能比较以及对比分析，同时讨论了该领域的若干开放问题和未来可能的研究方向。

    Dec, 2023

  • 未知管理：开放集合识别与相关领域综述

    本文综述开放集识别领域的最新文献，识别常见实践、限制和与连续学习、分布外检测、新颖性检测和不确定性估计等机器学习研究领域的联系，揭示了开放集识别领域的开放问题，并提出了几个研究方向，以促进和规范未来对更安全的人工智能方法的努力。

    Dec, 2023

  • 通过身份聚类数百万张人脸

    本篇论文提出了一种高效的 Rank-Order 聚类算法，可将超过 1.23 亿张人脸图像聚类成 1000 多万个类别，并在相应的内部和外部质量度量下分析其结果，以及对视频帧进行了初步的聚类研究。

    Apr, 2016