人脸识别 -Do We Really Need to Collect Millions of Faces for Effective Face Recognition？

ECCV 2016

Do We Really Need to Collect Millions of Faces for Effective Face Recognition？

http://www.openu.ac.il/home/hassner/projects/augmented_faces/

Code, trained CNN models and data is coming!

本文针对人脸训练中需要大量数据问题，提出了人工合成大量训练数据的思路，验证了其有效性。

从上面的数据库统计信息中可以发现，寻找多张属于同一个人的图像难度比较大。本文提出了人工合成同一个人不同姿态表情形状的人脸图像。

3 Synthesizing faces
针对人脸图像，我们从三个方向进行人脸合成：视角、形状、表情

3.1 Pose variations

首先提取人脸特征点，然后将这些特征点和3D人脸模型建立对应关系。这样可以得到相机外参数，接着可以得到相机矩阵M，从中提取出旋转矩阵 R，通过改变R，我们可以得到新的角度旋转矩阵 R’; 给定一副图像，我们合成 θ = {0 ◦ ,±40 ◦ ,±75 ◦ } 图像。

3.2 3D shape variations
这里我们使用十个3D人脸形状模型

3.3 Expression variations

4 Face recognition pipeline