脸谱网

FaceNet:用于人脸识别和聚类的统一嵌入。尽管近年来在人脸识别领域取得了重大进展,但大规模有效地实现人脸验证与识别对现有的方法提出了严峻的挑战。在本文中,我们提出了一个叫做FaceNet的系统,它可以直接学习从人脸图像到一个紧凑的欧几里德空间的映射,其中距离直接对应于人脸相似度的度量。一旦这个空间被产生,诸如人脸识别、验证和聚类等任务就可以使用标准技术以FaceNet嵌入作为特征向量轻松地实现。我们的方法使用一个经过训练的深卷积网络来直接优化嵌入本身,而不是像以前的深度学习方法那样使用中间瓶颈层。为了训练,我们使用一种新的在线三元组挖掘方法生成的大致对齐的匹配/不匹配的脸片的三元组。我们的方法的好处是更高的表示效率:我们实现了最先进的人脸识别性能,每个人脸仅使用128字节。在广泛使用的野外标签人脸(LFW)数据集上,我们的系统达到了99.63%的新记录准确率。在YouTube Faces DB上,这一比例达到了95.12%。我们的系统将两个数据集的错误率与最佳发布结果相比降低了30%。我们还介绍了谐波嵌入的概念,以及谐波三重态损耗,它描述了不同版本的面嵌入(由不同的网络产生),它们彼此兼容并允许彼此直接比较。


zbMATH中的参考文献(参考文献16条)

显示第1到16个结果,共16个。
按年份排序(引用)

  1. 王俊,刘英露,胡艺博,史海林,陶梅:FaceX动物园:人脸识别的Pythorch工具箱(2021)阿尔十四
  2. 阿莫索夫,O。S、 。;阿莫索娃,S。G、 。;芝加诺夫,S。五、 。;伊万诺夫,余。S、 。;帕什琴科,F。F、 :访问控制系统中使用深层神经网络识别连续视频流帧中的情况和对象的计算方法(2020年)
  3. 崔正航;查伦帕迪,非塔瓦人;佐藤,Issei;Sugiyama,Masashi:根据三重态比较数据进行分类(2020年)
  4. 秦、子轩;阴、孟晓;李桂青;杨峰:SP流:实时SLAM的自监督光流对应点预测(2020)
  5. 瓦莱提斯,维托塔斯;马辛克维修斯,维吉尼朱斯;Jurevicius,Rokas:使用三重网络学习航空图像相似性(2020)
  6. 温塞尔,达芬娜;阿米尔,丹:课程学习理论,凸损失函数(2020)
  7. 徐一冲;巴拉克里希南,西瓦拉曼;辛格,奥尔蒂;Dubrawski,Artur:回归与比较:用序数信息逃避维度的诅咒(2020)
  8. Gö佩尔金;Simsek,Ahmet:通过深度叠加去噪稀疏自动编码器(DSDSA)进行人脸识别(2019年)
  9. Nils Reimers,Iryna Gurevych:句子伯特:使用暹罗伯特网络的句子嵌入(2019)阿尔十四
  10. 王珊珊;陈颖:深度人脸识别的联合损失函数(2019)
  11. 雪山;朱红:基于统计分类的递归标签传播低分辨率和开放集人脸识别(2019)
  12. 吉田,智木;Takeuchi,一郎;Karasuyama,Masayuki:远程测量学习的安全三联体筛查(2019年)
  13. 戈班,A。N、 。;戈卢布科夫,A。;格雷楚克,B。;米尔克斯,E。M、 。;我是邱金。Y、 :用线性判别法校正人工智能系统:概率基础(2018)
  14. 胡国胜;彭小江;杨永新;霍斯佩多尔斯,提摩太·M。;Verbeek,Jakob:Frankenstein:使用小数据学习深度面部表征(2018)
  15. 拉瓦特,瓦西姆;王增辉:用于图像分类的深度卷积神经网络:综述(2017)
  16. 刘欣,Kan Meina,Wu Wanglong Wu,Shiguang Shan,Xilin Chen:VIPLFaceNet:一个开源的深度人脸识别SDK(2016)阿尔十四