[论文解读] Targeting Ultimate Accuracy: Face Recognition via Deep Embedding

Jingtuo Liu, Yafeng Deng+3 more|arXiv (Cornell University)|Jun 24, 2015

Face recognition and analysis参考文献 10被引用 240

一句话总结

本文提出了一种两阶段深度学习框架用于人脸识别，结合多块卷积神经网络（CNN）与深度度量学习，以学习高度判别性的低维嵌入表示。该方法在标准协议下的LFW基准测试中实现了99.77%的准确率，显著优于先前的最先进方法，并为实现实用化、高精度的人脸识别系统指明了明确路径。

ABSTRACT

Face Recognition has been studied for many decades. As opposed to traditional hand-crafted features such as LBP and HOG, much more sophisticated features can be learned automatically by deep learning methods in a data-driven way. In this paper, we propose a two-stage approach that combines a multi-patch deep CNN and deep metric learning, which extracts low dimensional but very discriminative features for face verification and recognition. Experiments show that this method outperforms other state-of-the-art methods on LFW dataset, achieving 99.77% pair-wise verification accuracy and significantly better accuracy under other two more practical protocols. This paper also discusses the importance of data size and the number of patches, showing a clear path to practical high-performance face recognition systems in real world.

研究动机与目标

• 通过深度学习方法提升人脸识别准确率，超越现有最先进水平。
• 通过分析数据规模与块配置的影响，开发一种实用且可扩展的现实世界人脸识别系统。
• 探索深度度量学习在学习紧凑、判别性人脸嵌入表示中的作用。
• 证明通过结构化深度嵌入与多块特征提取，可实现高精度的人脸验证。

提出的方法

• 该方法采用两阶段流程：首先，多块深度CNN从面部区域提取局部特征。
• 其次，应用深度度量学习将这些特征嵌入到低维空间，使类间距离最大化，类内距离最小化。
• 通过三元组损失进行网络训练，以优化嵌入空间的判别能力。
• 单张人脸图像中的多个块被独立处理，随后聚合形成全局嵌入表示。
• 该框架采用端到端的监督训练方式，利用大规模人脸数据集以提升泛化能力。
• 该方法在多种评估协议下进行评估，包括标准LFW协议以及更具实际挑战性的设置。

实验结果

研究问题

• RQ1 基于多块特征提取与度量学习的深度学习方法能否实现最先进的人脸识别准确率？
• RQ2 块的数量与训练数据规模如何影响深度人脸嵌入模型的性能？
• RQ3 所提出的两阶段方法是否在标准与实际评估协议下均优于现有方法？
• RQ4 深度度量学习能否生成高度判别性的嵌入表示，并在真实世界人脸识别任务中实现良好泛化？

主要发现

• 所提方法在标准协议下于LFW数据集上实现了99.77%的成对验证准确率，超越所有先前的最先进方法。
• 模型在两种更具实际意义的评估协议下也表现出显著提升的性能，表明其对真实世界条件具有强大的泛化能力。
• 实验表明，增加块数量与训练数据规模可带来持续的性能提升，验证了该方法的可扩展性。
• 深度度量学习组件有效学习到一个紧凑且具有判别性的嵌入空间，从而提升了识别准确率。