CVPR-Disgusied faces in wild 2018 开放环境下对伪装的面部进行识别 --面部识别的一个子领域

Deep Features for Recognizing Disguised Faces in the Wild
 

Abstract : 提出一种基于DCNN的方法，在伪装之后的脸部图像中识别出冒充者。文章在静态图像和视频帧的大数据集。5.6 million images. 上训练两个deep CNNS 不同的网络，该数据集具有 L2-softmax loss 特征。数据集：  Wild challenge dataset   https://ibug.doc.ic.ac.uk/resources/300-W/

要点：softmax（易实施（现有函数库、数量无限制）收敛很快，但在训练集可能出现过拟合，其适合于high qulitiy data，忽略了mini-batch 的 hard sample） 采用 L2-constrained softmax loss 

 

Face Verification with Disguise Variations via Deep Disguise Recognizer

Abstract : 迁移学习，先利用 inherent face representation 来训练 Residual Inception network framework with center loss 

然后迁移到下一个网络，利用 Inception-ResNet model using disguised faces 来训练，以减少disguise 对识别的影响。

尽可能近地嵌入同一特征，由此可将个体的disguise 进行聚类。

 Inception-Net based features for verifying faces with disguise variations 

表达：In this paper, we propose a novel deep learning based framework for enhancing the performance of automatic face recognition with disguised faces.

Disguised Faces in the Wild
 

Abstract :  This paper presents a description of the dataset, the baseline protocols and performance, along with the phase-I results of the competition.
对这一数据集的介绍，并且包括目前在这个比赛（领域）上的阶段性成果