原标题:CVPR 2020 | 元学习人脸识别框架详解
本文介绍的是CVPR2020 oral论文《Learning Meta FaceRecognition in Unseen Domains(MFG[1])》,作者来自明略科技集团明略科学院与中科院自动化研究所。
作者 | 明略科技
编辑 | 丛 末
论文地址:https://arxiv.org/abs/2003.07733
1
导语
人脸识别系统通常在现实应用中面临着未知域的挑战,由于泛化能力差而表现出不令人满意的性能。例如,在Webface数据集上训练有素的模型无法处理安防领域中人证比对的任务。在本文中,旨在学习一种通用模型,该模型可以直接处理新的未知域,无需对模型进行更新。
为此,作者团队提出了一种通过元学习的新型人脸识别方法,称为元人脸识别(MFR)。MFR使用一个元优化目标针对源/目标域的偏移量,这需要模型不仅可以很好的表征源域,而且还很好地表征目标域。具体而言,通过跨域采样策略构建多域组合的批次,并通过优化多域分布在源/目标域上获得反向传播的梯度/元梯度。将梯度和元梯度进一步结合以更新模型以提高泛化性。此外,我们提出了两个用于人脸识别的测试标准。在测试标准上,验证了与其他SOTA方法相比MFR具备很高的泛化能力。
2
简介
针对未知域(Unseen domain)的泛化人脸识别问题:在目标场景未知的条件下,如何设计一个有效的训练策略或方法,让模型不需要微调更新或者重新训练就能在未知场景下取得较好的泛化能力。作者团队提炼出了generalized face recognition问题。值得