基于模约束ＣｅｎｔｒｅＦａｃｅ的低分辨率人脸识别

来源：计算机技术与发展杂志2021年第05期北京时间：

作者：范文豪;吴晓富;张索非

单位：１．南京邮电大学通信与信息工程学院，江苏南京２１０００３２．南京邮电大学物联网学院，江苏南京２１０００３

摘要：人脸识别（ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ＦＲ）是计算机视觉领域中研究最广泛的问题之一，随着深度学习的发展使得一般条件下的人脸识别取得了巨大的进展并已大量商用。现有的ＦＲ系统已经在某些约束环境下实现了令人满意的识别精度。然而，低分辨率条件下的人脸识别（ｌｏｗ－ｒｅｓｏｌｕｔｉｏｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ＬＲＦＲ）目前仍然是一个极具挑战性的问题。在低分辨率人脸识别中，人脸图像通常是在非理想条件下捕获的，现有的人脸识别方法识别效果并不理想。为了提高识别精度，面向低分辨率人脸识别，基于ＣｅｎｔｒｅＦａｃｅ算法的损失函数进一步提出一种模损失函数用于联合训练。研究表明：该模损失函数可以在保持特征类内距离的情况下，增大类间距离，提高模型的泛化能力。最终在ＱＭＵＬ－ＳｕｒｖＦａｃｅ数据集上进行的４组分析对比实验表明：基于模约束的ＣｅｎｔｒｅＦａｃｅ算法识别精度优于ＣｅｎｔｒｅＦａｃｅ算法。

关键词：人脸识别;低分辨率;ＱＭＵＬ－ＳｕｒｖＦａｃｅ;ＣｅｎｔｒｅＦａｃｅ;模损失