人脸识别“Neural Aggregation Network for Video Face Recognition”
发布时间
阅读量：
阅读量
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，使得特征表示变为：
r=\sum_k a_kf_k
累积模块的结构如图1所示，包含两个Attention块，每个都将特征与核q进行卷积，生成一个与原始特征f_k维度相同的固定长度的表示r。对与每个Attention块，将输入特征与核q进行内积运算，生成显著度{e_k}，之后输入softmax算子生成归一化的权值{a_k}，过程公式表示如下：
作者认为上下文自适应的核能够获取更好的结果，因此使用了两个attention块，让第一个核通过转换函数适应第二个核：
q^1=tanh(Wr^0+b)
第一个attention块q^0及转换层的参数通过SGD监督学到，结构如下：
在Youtube上的实验结果如下：
全部评论 (0)
还没有任何评论哟~