人脸识别
文章平均质量分 63
cv_family_z
这个作者很懒,什么都没留下…
展开
-
论文提要“Beyond Frontal Faces: Improving Person Recognition Using Multiple Cues”
动机 目前的人脸识别方法主要针对正脸,对于不同视角无正脸有遮挡的效果不好,人类可以由细微的区别如发型,衣服,眼镜,姿态及其他信息判断。在非限制条件下识别人身份信息,建立了一个People in Potho Album(PIPA)数据库,包含约60 000个样本约2000个个体。数据库中只有一半的人具有正脸,提出来姿态不变的人像检测方法(PIPER),该方法使用了CNN对poselet训练消除姿态影原创 2015-09-17 15:11:16 · 1096 阅读 · 0 评论 -
人脸识别 - Pose-Aware Face Recognition in the Wild
CVPR 2016 本文作者提供了 训练好的 CNN模型本文主要侧重解决人脸识别中的姿态问题。由 图1 可以看出,LFW数据中人脸的角度集中在 正负20度,而 IJB-A数据库中的角度分部则比较宽。这种大角度人脸识别难度比较大。本文首先对人脸的角度进行分类,然后再用对应角度的CNN网络 进行人脸识别。针对人脸,我们采用了 multi-alignment策略: 2D in-plane align原创 2016-08-25 09:33:31 · 4153 阅读 · 2 评论 -
人脸识别 -Do We Really Need to Collect Millions of Faces for Effective Face Recognition?
ECCV 2016Do 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!本文针对人脸训练原创 2016-08-25 15:47:19 · 2870 阅读 · 1 评论 -
人脸识别 - Sparsifying Neural Network Connections for Face Recognition
CVPR2016 香港中文大学人脸识别研究Sparsifying Neural Network Connections for Face Recognition本文主要思路是先训练一个 Baseline ConvNet structures,VGG模型的。然后对这个结果进行逐层 sparse,从全连接层到卷积层。每 sparse 一层,就训练一下。最后得到一个 sparse CNN 模型。Insp原创 2016-08-26 15:06:36 · 2632 阅读 · 1 评论 -
人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition
A Discriminative Feature Learning Approach for Deep Face Recognition ECCV 2016code: https://github.com/ydwen/caffe-face本文针对人脸识别问题,针对 loss function提出了加入 center loss,使得学习到地 深度特征更加 discriminative 。以前CNN原创 2016-10-17 10:10:37 · 7138 阅读 · 6 评论 -
人脸识别“SphereFace: Deep Hypersphere Embedding for Face Recognition”
在开放集中进行人脸识别,理想的特征最大的类内差距应小于最小的类间差距。作者提出了angular softmax(A-Softmax)损失函数学习angularly discriminative features。在球面流形中增加判别约束,符合人脸分布在流形上的假设。此外,角度的边距使用参数m进行量化。改方法只改了损失函数,使用经典的CNN结构上训练人脸识别模型,在Megaface上获得排名第一。一、原创 2017-09-06 14:50:21 · 5767 阅读 · 0 评论 -
人脸识别"Disentangled Representation Learning GAN for Pose-Invariant Face Recognition"
人脸姿态的变化是人脸识别的难点,一般的姿态不变的人脸识别方法是人脸正面化,或者从非正脸的图片中学习特征。论文提出Disentangled 表示学习-生成对抗网络。有三个特征,1)生成器的编码-解码结构使得DR-GAN学习generative和discriminative的表示,2)通过提供到解码器的姿态编码和鉴别器的姿态估计,学到的特征表示与其他的人脸变形disentangled。3)DR-GAN可原创 2017-09-06 16:43:31 · 10601 阅读 · 13 评论 -
深度嵌入学习“Sampling Matters in Deep Embedding Learning”
知乎专栏:https://zhuanlan.zhihu.com/p/27748177在检索和验证任务中,经常使用contrastive 损失或 triplet损失作为损失函数,大多数论文也主要关注如何选取损失函数,这篇论文认为训练样本的选取也很重要。提出了distance weighed sampling,选取信息量更大更稳定的训练样本。此外,提出了margin based loss,效果更好...原创 2018-10-25 17:42:30 · 3371 阅读 · 0 评论 -
人脸识别“NormFace: L 2 Hypersphere Embedding for Face Verification”
源码地址: https://github.com/happynear/NormFace研究了特征归一化方法用于增强人脸验证性能,同时提出了两种适应于归一化特征训练的两种策略:基于优化余弦相似度改进的softmax损失,改进的度量学习方法。在人脸验证中,余弦距离或者L2归一化的欧式距离通常用来衡量特征间的相似度,余弦距离相当于归一化的两个向量的内积。但在CNN的训练中,内积运算通常不进行归一...原创 2018-10-31 10:41:09 · 884 阅读 · 0 评论 -
三元损失“In Defense of the Triplet Loss for Person Re-Identification”
更全面的阅读记录可以参考这篇博客:https://blog.csdn.net/xuluohongshang/article/details/78965580背景描述提出了一个三元损失的变形用于行人再认证。近期较为成功的行人再认证方法一般使用分类损失结合验证损失。先使用分类损失训练,然后使用网络的一部分进行特征提取,结合度量学习获得最终的特征描述。存在问题:分类损失在id数量增加是,需要...原创 2018-10-24 16:23:27 · 2315 阅读 · 0 评论 -
DeepID2 "Deep Learning Face Representation by Joint Identification-Verification"
降低类内方差,提升类间方差一直是人脸识别的热点。论文将人脸识别和验证损失同时监督网络的训练,在LFW上获得99.15%的验证准确率。人脸识别是对输入图像分类,验证是判断一对图像是否为同一个ID。分类信号具有丰富的ID相关信息,或者类间方差,但分类信号对于相同ID的约束较小,即不同的特征可能映射到相同的ID上。这时当特征推广到新任务或者新ID时表现就不好。因此,论文增加了人脸验证信号的监督,要求...原创 2018-10-23 11:12:55 · 406 阅读 · 0 评论 -
人脸识别“A Discriminative Feature Learning Approach for Deep Face Recognition”
Source code: https://github.com/ydwen/caffe-faceFaceNet: https://github.com/davidsandberg/facenet相关的blog:https://blog.csdn.net/dongfang1984/article/details/53337195摘要:提出了centor loss用于增强特征的可分辨性,c...原创 2019-01-22 10:28:28 · 255 阅读 · 0 评论 -
The MegaFace Benchmark-1 Million Faces for Recognition at Scale
CVPR2016 MegaFace data, code, and challenge can be found at: http://megaface.cs.washington.edu人脸识别问题貌似已经被解决了,因为在 LFW上面,大家的识别率都是 99%+啦。但是当数据库的规模达到一百万时,识别率就不是很好了。http://www.leiphone.com/news/201606/X转载 2016-07-20 16:39:43 · 3192 阅读 · 1 评论 -
人脸识别“Neural Aggregation Network for Video Face Recognition”
人脸识别的新方法,主要对视频进行处理,使用CNN提取视频中多帧人像的特征,之后使用聚合模块对所有帧的特征向量进行学习累积,实验结果表明这种方法比手工设计的方法如平均池化要好。人脸识别结构如下图所示:视频中的人脸包含了目标不同姿态及光照条件下的图像,视频人脸识别的关键是如何有效的如何不同帧中的人脸信息,保留有效的信息并去除噪声。常用的方法有池化,即平均池化和最大化池化,作者设计了一个自适应权值方法,使原创 2016-03-28 14:25:15 · 4640 阅读 · 2 评论 -
论文提要“Learning Deepface Representation”
提出来金字塔CNN(PCNN)做人脸识别,使用greedy-filter-and-down-sample算子,在多尺度上特征共享描述人脸,学习到的8维特征在LFW数据库测试达到97.3%的结果。传统的人脸识别步骤有预处理,低层编码,特征转换,高层特征表示。深度网络将这些步骤一体化,直接对图像像素进行分析,信号经历多层非线性变换,与人工设计的多步骤方法类似。人脸描述是从图像像素映射到数值向量 f:R原创 2015-10-08 17:06:23 · 971 阅读 · 0 评论 -
论文提要“DeepFace: Closing the Gap to Human-Level Performance in Face Verification”
人脸识别步骤:检测,矫正,表示,识别。 论文使用了3D人脸模型进行矫正,9层的深度神经网络学习特征,有几层局部连接层。人脸矫正方法:(1)3D人脸模型,(2)搜索基准点,(3)像素级相似矩阵变化。论文根据基准点对人脸进行3D建模,将裁减的人脸转化为3D模式。每次迭代,使用支持向量回归(SVR)从图像描述子LBP预测点结构。2D矫正,图1(a)所示的六个基准点,用来对图像进行尺度变换,旋转,平移得到原创 2015-09-22 17:01:51 · 1587 阅读 · 0 评论 -
人脸识别“DeepID”
DeepID的网络结构如下,网络最后一层获取的特征维数是160,用于分类超过10000类人脸身份,串联从不同人脸patch获取的DeepID特征,特征可以使用Joint Bayesian分类: Deep ConvNets 网络结构如下,DeepID最后一层与第三第四卷积层全连接,以减少第四层可能存在的信息损失。 网络的输出是softmax预测n个身份的概率: 特征提取之前进行人脸矫正,使用五原创 2015-11-17 14:53:49 · 1609 阅读 · 0 评论 -
Face Alignment by Coarse-to-Fine Shape Searching
CVPR 2015 http://mmlab.ie.cuhk.edu.hk/projects/CFSS.html本文主要解决的是人脸配准问题,以前的方法 cascaded regression 主要问题在于人脸形状初始化问题。因为初始化可能不好,导致人脸形状优化陷入局部解。本文使用 coarse-to-fine framework 来解决初始化问题,同时对较大的人脸姿态也能很好的解决。整个框架如原创 2015-11-26 16:03:34 · 2411 阅读 · 0 评论 -
Deep Learning Face Attributes in the Wild
ICCV 2015 香港中文大学人脸方面的研究 http://personal.ie.cuhk.edu.hk/~lz013/projects/FaceAttributes.html本文使用三个 CNN网络,前两个用于人脸检测,一个用于属性预测。 整个网络框架如下:三个网络如上图 (a),(b),(c)所示,(a)图输入整个图像,输出人脸和上半身图像,(b)输入人脸和上半身图像,输出人脸,(原创 2015-11-27 10:32:58 · 3942 阅读 · 1 评论 -
人脸识别“FaceNet: A Unified Embedding for Face Recognition and Clustering”
作者认为用于训练的三元组很重要,使用经过筛选的三元组数据训练,在LFW上识别率达到了99.63%。使用深度卷积网学习图像的欧式嵌入。方法描述: 使用了两个网络Zeiler&Fergus,Inception网络。这个系统的架构如下: 将三元组损失用于识别,认证和聚类任务。学习一个embedding 函数f(x)f(x)将图像x映射到特征空间Rd\mathbb R^d,使得同一人脸间的平方距离最小。原创 2015-12-29 12:33:17 · 3680 阅读 · 0 评论 -
论文提要 Deep Face Recognition
本文是关于深度人脸识别,British Machine Vision Conference, 2015 Visual Geometry Group Department of Engineering Science University of Oxford VGG网络提出的那帮家伙开源代码 http://www.robots.ox.ac.uk/~vgg/software/vgg_face/本原创 2015-11-16 17:22:35 · 4751 阅读 · 3 评论 -
High-Fidelity Pose and Expression Normalization for Face Recognition in the Wild
CVPR 2015 Matlab code http://www.cbsr.ia.ac.cn/users/xiangyuzhu/projects/HPEN/main.htm中科院关于 人脸图像预处理:姿态和表情的归一化算法的整体流程图如下所示: 2 Pose Adaptive 3DMM Fitting2.1. 3D Morphable Model 本文采用3D模型,我们将 Basel F原创 2016-01-22 11:39:13 · 4288 阅读 · 4 评论 -
A Lightened CNN for Deep Face Representation
一个小巧的人脸识别CNN网络https://github.com/AlfredXiangWu/face_verification_experiment当前基于CNN网络的人脸识别的文献可以说是满天飞,虽然效果不错,但是计算量大是一个问题。导致其难以用于嵌入式设备或手机里。当前关于人脸识别的CNN网络问题如下:1)很深的CNN网络导致一个大的模型,提取特征的时间较长。2)基于 ReLU 激活函数学习到原创 2015-12-25 09:26:13 · 8185 阅读 · 5 评论 -
From Facial Parts Responses to Face Detection: A Deep Learning Approach
ICCV 2015 email to get code and modelhttp://personal.ie.cuhk.edu.hk/~ys014/projects/Faceness/Faceness.html本文主要是用CNN进行人脸局部属性检测,然后各个部件综合起来得到人脸检测结果。 本文主要包含三个步骤: 3.1. Partness Maps Extraction 人脸部原创 2015-12-09 10:58:01 · 2919 阅读 · 1 评论 -
An End-to-End System for Unconstrained Face Verification with Deep Convolutional Neural Networks
本文提出的系统是一个完整的自动人脸验证系统。我们首先从图片和视频帧中检测人脸。然后人脸跟踪,人脸特征检测,最后人脸匹配即相似度计算。 整个系统流程图如下: 3.1. Face Detection 我们使用文献【27】的算法进行人脸检测,DeepPyramidDeformable Parts Model for Face Detection (DP2MFD),一种基于深度学习的人脸检测器。原创 2016-02-03 14:38:04 · 1674 阅读 · 0 评论 -
三元组损失“Deep Metric Learning via Lifted Structured Feature Embedding”
http://www.cnblogs.com/wangxiaocvpr/p/5921074.htmlcaffe实现解释:https://blog.csdn.net/zziahgf/article/details/78568696tensorflow实现:http://10.1.2.209/lianjie/install-packages/blob/master/metric_loss_op...原创 2019-01-22 10:27:10 · 1345 阅读 · 0 评论