CCFace: 低分辨率人脸识别的分类一致性

Aug, 2023

CCFace: 低分辨率人脸识别的分类一致性

CCFace: Classification Consistency for Low-Resolution Face Recognition

Mohammad Saeed Ebrahimi Saadabadi, Sahar Rahimi Malakshan, Hossein Kashiani, Nasser M. Nasrabadi

TL;DR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。

Abstract

In recent years, deep face recognition methods have demonstrated impressive results on in-the-wild datasets. However, these methods have shown a significant decline in performance when applied to real-world low-resolution benchmarks like TinyFace or SCFace. To address this challenge, w

deep face recognition low-resolution benchmarks classification consistency knowledge distillation adaptive angular penalty asymmetric cross-resolution learning

发现论文，激发创造

通过选择性知识蒸馏实现野外低分辨率人脸识别

本研究提出了一种使用选择性知识蒸馏学习低分辨率人脸识别的方法，在损失性能的同时实现更高速度和更低内存消耗，通过优化图问题，选择性地从一个复杂的面部模型中提取最具信息量的面部特征来让一个简单的卷积神经网络完成相应识别任务。

Nov, 2018

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

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

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

寻找微小人脸

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

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

卷积低分辨率细粒度分类

使用高分辨率图像分类和卷积超分辨率技术相结合的方法，提出了一种用于解决低分辨率图像细节问题的端到端的深度模型，并在 Stanford Cars 和 Caltech-UCSD Birds 200-2011 数据集上进行了广泛的实验，结果表明该模型在低分辨率图像中能更好地分类细分类别。

Mar, 2017

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

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。

Feb, 2023

用于低分辨率图像分类的无监督深度特征迁移

本文提出了一种简单而有效的无监督深度特征传递算法，用于低分辨率图像分类，无需 fine-tuning。首先，我们使用预先训练的 convenet 提取高分辨率和低分辨率图像的特征，然后将它们馈送到两层特征转移网络以进行知识转移。接着，我们直接使用这些传递的低分辨率特征学习 SVM 分类器。该网络可以作为插件特征增强模块嵌入到最新的深度神经网络中，以保持高分辨率图像特征空间中的数据结构，并将良好结构的源域 (高分辨率特征空间) 的区分特征传递到不良组织的目标域 (低分辨率特征空间) 上。通过对 VOC2007 测试集的大量实验证明，所提出的方法比仅使用特征提取的基线方法实现了显著的性能改善。

Aug, 2019

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