人脸识别中的对齐搜索

重磅干货，第一时间送达

小白导读

论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享，旨在帮助各位读者快速了解论文内容。个人能力有限，理解难免出现偏差，建议对文章内容感兴趣的读者，一定要下载原文，了解具体内容。

摘要

当前人脸识别框架的标准流程包括四个单独的步骤:定位带有粗糙边界框和几个基准标志的人脸，使用预定义的模板对齐人脸图像，提取表征和比较。其中，人脸检测、地标检测和表示学习等研究已经很长时间，并提出了大量的工作。对齐步骤作为一种重要的步骤，对识别性能有重要影响，但很少受到关注。在本文中，作者首先探讨并强调了不同的对齐模板对人脸识别的影响。然后，作者第一次尝试自动搜索最优模板。通过将模板搜索分解为作物大小和垂直位移，构造了一个定义明确的搜索空间，并提出了一种有效的人脸对齐策略搜索方法。此外，还设计了一个良好的基准来评估搜索策略。在作者提出的基准上的实验验证了作者的方法提高人脸识别性能的有效性。

论文创新点

作者的主要贡献包括：

(i)就作者所知，作者首次探索和强调了对齐模板对人脸识别的影响。

(ii)将模板搜索分解为作物大小搜索和垂直移动搜索，构建了一个定义明确的搜索空间，提出了一种高效的模板搜索方法FAPS。

(iii)提出了一个设计良好的基准来评估搜索策略。在该基准上的大量实验验证了FAPS的有效性。

框架结构

提出的FAPS概述

作者首先初始化具有超roi p0的模型的固定总体。每个历元之后，计算每个模型在验证集上的精度v。如果一个表现不佳的模型满足要求1，基于交叉的交叉将在该模型上操作。然后结合两个性能良好的模型的策略生成新的对齐策略。如果一个较差的模型满足requirement2，那么就会执行exploit和explore。更具体地说，模型的权值由上一个模型的权值复制，通过干扰上一个模型的权值生成新的对齐策略。

实验结果

人脸图像与不同的模板对齐

前两排显示的是CALFW同一个人的面孔。最后两行分别来自MultiPIE ±90°子集合和MultiPIE 0°子集合，也是相同的恒等式。

实验结论

本文探讨了不同的对齐模板对人脸识别的影响，提出了一种快速有效的对齐策略搜索方法FAPS。与人工设计的模板相比，通过FAPS搜索的模板在多个测试数据集上获得了更好的识别性能，并可在不同的训练数据集上泛化。此外，作者搜索的模板显示，除了眼睛、鼻子和嘴等内部面部特征外，下巴和下颌线等外部特征也有助于人脸识别。这也为人脸识别的进一步发展提供了一些线索。

论文链接：https://arxiv.org/pdf/2102.05447.pdf

每日坚持论文分享不易，如果喜欢我们的内容，希望可以推荐或者转发给周围的同学。

- END -