[論文レビュー] Synthesis-based Robust Low Resolution Face Recognition

Sumit Shekhar, Vishal M. Patel+1 more|arXiv (Cornell University)|Jul 10, 2017

Sparse and Compressive Sensing Techniques参考文献 29被引用数 16

ひとこと要約

本論文は、高分解能ギャラリー画像を用いて照度に強いトレーニングデータを合成し、スパースコーディングを用いてクラス固有で解像度が一致する辞書を学習する、合成ベースの堅牢な低分解能顔認識手法を提案する。この手法は、標準的および屋外データセットで最先端の性能を達成しており、カーネル化および共同スパースコーディングの変種により、挑戦的な低分解能・変動照度データに対して最高で71.1%の認識率向上を達成している。

ABSTRACT

Recognition of low resolution face images is a challenging problem in many practical face recognition systems. Methods have been proposed in the face recognition literature for the problem which assume that the probe is low resolution, but a high resolution gallery is available for recognition. These attempts have been aimed at modifying the probe image such that the resultant image provides better discrimination. We formulate the problem differently by leveraging the information available in the high resolution gallery image and propose a dictionary learning approach for classifying the low-resolution probe image. An important feature of our algorithm is that it can handle resolution change along with illumination variations. Furthermore, we also kernelize the algorithm to handle non-linearity in data and present a joint dictionary learning technique for robust recognition at low resolutions. The effectiveness of the proposed method is demonstrated using standard datasets and a challenging outdoor face dataset. It is shown that our method is efficient and can perform significantly better than many competitive low resolution face recognition algorithms.

研究の動機と目的

• 制御不能な条件下（照度、アングル、ぼやけの変動を含む）における低分解能顔認識の課題に対処すること。
• 補間によるプローブのスーパーエンハンスではなく、高分解能ギャラリー画像を活用して多様なトレーニングサンプルを合成することで、認識精度を向上させること。
• 解像度の変化と照度の変動を同時に処理できる、堅牢で計算効率の良い手法を開発すること。
• 非線形なデータ関係をモデル化するカーネル化および共同スパースコーディングフレームワークを通じて、認識性能を向上させること。

提案手法

• 画像再照明技術を用いて、各高分解能ギャラリー画像の複数の照度バリエーションを生成し、照度変動に対する耐性を高める。
• 合成されたギャラリー画像の解像度をプローブ画像の解像度にダウンサンプリングし、トレーニング段階での整合性を確保する。
• 各被験者について、解像度が一致し照度が拡張されたギャラリー画像データを用いて、K-SVDを用いてクラス固有の辞書を学習する。
• テスト段階では、プローブ画像を各クラス固有の辞書の張る空間に射影し、再構成誤差に基づいて分類を行う。
• 非線形なデータ分布に対処するため、アルゴリズムをカーネル化し、より高い耐性を実現する二段階スパースコーディングフレームワークを導入する。
• 再構成と分類を同時に最適化する共同スパースコーディング戦略を提案し、低解像度および変動条件下での性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 高分解能ギャラリー画像から照度バリエーションを持つトレーニングデータを合成する生成的手法が、照度変動下での低分解能顔認識を改善できるか？
• RQ2 辞書学習プロセスのカーネル化が、非線形な低分解能顔データに対して認識性能に与える影響は何か？
• RQ3 二段階スパースコーディングフレームワークは、解像度および照度の変化を伴う低分解能顔認識において、標準的なスパースコーディングを上回れるか？
• RQ4 本手法は、プローブ画像がギャラリー画像と解像度および照明が異なる場合でも、特に実際の屋外条件下で高い正確性を維持できるか？

主な発見

• 14×10のプローブ解像度を有するARデータセットにおいて、提案手法kerSLRFRはランク1認識率78.3%を達成し、CLPMおよび他のベースラインを上回った。
• 20×20のプローブを有する挑戦的な屋外顔データセットにおいて、kerSLRFRおよびjointKerSLRFR手法は71.1%の認識精度を達成し、CLPM（16.7%）およびreg LDA（60%）を著しく上回った。
• SLRFR手法は屋外データセットで67.8%の認識率を達成し、ぼやけやアングル、照度の変動に対して堅牢であることが示された。
• 計算効率が高く、7×6解像度のプローブ分類に平均0.1秒で処理が可能であり、リアルタイム応用に適している。
• 被験者1人あたり1枚の高分解能ギャラリー画像を用いて多様なトレーニングサンプルを合成することで、一般化性能が著しく向上し、特に高分解能ギャラリー画像が1枚しかない場合に顕著である。