寻找走失多年的儿童,这个算法让父母看到孩子长大的模样

时间:2020-02-12 来源: 国内新闻

图1:达科塔范宁(第一排)和大卫加拉赫(第二排)不同年龄的照片。

几项研究分析了面部随时间变化对AFR表现的影响,如下表2所示:

这些研究得出了两个重要结论:

图3显示,当前最佳面部匹配器在匹配失踪儿童的图像和长时间间隔后的图像时具有高失败率。因此,有必要提高AFR系统的纵向性能,特别是对于幼年失踪的儿童。

图3:等级1识别精度(%)热图。a没有使用本研究中提出的模块来修改FaceNet特征,而b使用提出的模块来修改FaceNet特征(颜色越深,准确度越高)。在图中,横轴表示儿童年龄之间的时间差,纵轴表示失踪儿童图像中的年龄。

定位丢失的孩子类似于人脸识别(开放集或封闭集)。我们搜索失踪儿童的照片库,以确定找到的较大儿童的身份。检索孩子的照片和失踪孩子的照片之间的时间间隔越长,搜索任务就越困难。以往对年龄变化(包括成人和儿童)下人脸识别的研究主要探索生成和判别模型。然而,当前的最佳人脸识别系统仍然难以确定在较大年龄恢复的儿童的身份。

本研究提出了一个“老化”模块,它学习特征空间中的投影,并可用作任何现有人脸匹配器的包装器。该模块还可以基于个体年龄和指定的目标年龄来合成与年龄特征相对应的面部图像。

对于时间间隔超过10年的情况(即失踪儿童直到10年或更长时间后才被发现),本研究提出的老化模块将FaceNet在封闭集合上的识别准确率从40%提高到49.56%,并将CosFace在子星数据集ITWCC上的识别准确率从56.88%提高到61.25%。该方法在FG-NET数据集上的一级识别率优于目前的最优方法,提高了94.91%-95.91%。该方法在CACD-VS数据集上也优于SOTA方法,识别率从99.50%提高到99.58%。这些结果表明,“老化”的面部特征可以提高识别和找回儿童作为贩运和绑架受害者的可能性。

老化深层面部特征。

直接操纵人脸图像中的像素可能无法在特征空间中保留儿童的身份信息。因此,本研究提出一个老化模块来学习低维特征空间中的深度特征投影,从而直接提高人脸识别系统在长时间间隔识别儿童图像时的准确性(见下图6)。

图6:本研究提出的深度特征老化方法示意图。老化模块可以将面部特征向量增加到任何指定的年龄。

Activation

为了分析“老化”对儿童面部匹配性能的影响,我们将S={ S t } t _ t=0,t设为数据集中所有可能年龄的集合。这里,

,其中s t是数据集中所有t岁失踪儿童图像的集合(总共N_t)。使用现有的人脸匹配器(如FaceNet),我们可以提取图像x t _ i的深度特征表示φ (x t _ i),

研究者首先计算出所有年龄组的平均人脸表示,对于年龄T,平均人脸特征可以表示为:

研究者从UTKFace数据集提取平均人脸特征

即可。为了区分年龄变化引起的人脸嵌入差异,研究人员将属性向量定义为任意两个平均人脸特征

之间的差异,其中t_1t_2处于t _ 1和t_2年龄。类似于深度特征插值,研究人员将t_1岁的儿童面部图像x t1 _ I映射到特征空间中的点φ (x t1 _ I ),并通过

”沿属性向量δt1,T2线性移动。

下图4显示了5岁和12岁儿童面部特征的解码图像样本,它们沿着流形线性移动(α=1)。

本实验表明:

人脸嵌入可以捕捉衰老所需的年龄信息;

老化可以通过在特征空间中执行线性插值来实现。

学习特征老化

完美面部特征空间Z应该只编码身份显着特征,并且年龄相关组件应该与身份相关特征分开。然而,事实上,面部匹配器自然地在潜在空间中编码年龄相关信息,以增强辨别能力

预训练人脸匹配器将人脸图像x嵌入到d维欧氏空间φ (x) ∈ r d中,假设有一个由图像对(x t1 _ I,x T2 _ j)组成的训练集,其中x_i和x_j分别是同一个人在t1和T2年龄的照片。这里,x_i ∈ X,t_a ∈ A,X是人脸图像域,A是所有可能年龄的集合。研究者希望学习一种以人脸特征向量φ t _ 1为输入,嵌入预期年龄t_2的人脸模型,从而在年龄相关成分与φ t _ 2相似的情况下保留个体身份信息。

本研究提出了一种能够自动学习特征空间老化的编码器-解码器架构。编码器e: (r d,a,a) → r k是一堆完全连接的线性层,将特征向量映射到k维电位表示e (φ (x t1),t _ 1,t _ 2)。编码器基于输入特征φ(x t1)、拍摄原始图像时的年龄t1和老化后的预期年龄T2。解码器D : R^k → R^d也是一堆完全连接的线性层,它们基于原始人脸特征φ(x t1)的潜在表示e(φ(x t1),t1,T2)被合成为老化版本。为了确保随着年龄增长到所需年龄,身份显着特征和复合特征得以保留,研究人员使用均方误差损失来训练老化模块:

其中p是所有原始对的集合。模型训练完成后,老化模块可以将面部特征推到期望的年龄。

experiment

为了评估模型在儿童面部图像上的表现,研究人员使用了两个数据集(见下表1):

其中儿童面部老化数据集包含2?9,196名20岁青少年和儿童每年总共有25,180张学校照片。

In The Wild Child名人(ITWCC)数据集包含745个童星的7990张图像。

下表3显示了所有方法的平均差异和标准差:

从上表可以看出,老化方法可以提高FaceNet和CosFace的搜索精度。此外,在特征老化模块的帮助下,开源人脸匹配器CosFace的性能优于COTS。

下面的图8a和8b显示了模型在儿童和成人图像上的表现。本研究提出的模型可以改进模型,使所有人脸图像都有间隔匹配,特别是当时间间隔增加时。

下面的图11显示了CosFace在没有使用研究提出的深度特征老化模块的情况下从所有图像中检索到错误的孩子。

为了评估老化模块的泛化性能,研究人员对CFA和ITWCC数据集进行了培训,并对公开可用的老化数据集FG-NET进行了性能基准测试。研究人员根据标准的单向预约方法进行操作。结果如下表4所示。

实验表明,本研究提出的特征老化模块能够提高陪脸的性能。研究人员还对同一训练集中的CosFace的最后一层进行了微调,但精确度的下降清楚地表明,移动到一个新的潜在空间可以显示原始特征。老化模块可以提高模型的性能,同时仍然在与原始匹配器相同的特征空间中运行。

此外,研究人员还对成人老化数据集CACD-VS13进行了性能基准测试。然而,与之前的研究[28,31,4不同,研究人员没有在CACD-VS数据集上微调模型。

下表5显示,本研究中提出的特征老化模块提高了CosFace在CACD-VS数据集上的性能,这表明该模型对于老化后的成人人脸识别也是有用的。

这篇文章是为机器的核心而编写的。请联系此公共号码以获得授权。

?-

加入机器的心脏(全职记者/实习生):hr

jiqizhixin.com

贡献或寻求报道:content

新闻排行
  1. 人民网努尔苏丹7月15日电(记者周汉波)15日,由中国国家电力有限公司投资控制的Zanatas100MW兆瓦风力发电项?

    人民网努尔苏丹7月15日电(记者周汉波)15日,由中国国家电力有限公司投资控制的Zanatas100MW兆瓦风力发电项?...

  2. 如今,有一种在中小学流行的“先上课”的方式,它在大学一级教授知识。这种行为有许多缺点。昨天,“第一届

    如今,有一种在中小学流行的“先上课”的方式,它在大学一级教授知识。这种行为有许多缺点。昨天,“第一届...

  3. 提交人不同意关于小米最近在互联网上被错误低价出售的指控。低价本身就是一种营销策略,低价并不意味着产品

    提交人不同意关于小米最近在互联网上被错误低价出售的指控。低价本身就是一种营销策略,低价并不意味着产品...

  4. 随着2019年的消逝,2020年离我们越来越近。相信自己将在2020年分娩的父母渴望根据不同的名字风格和类型给孩

    随着2019年的消逝,2020年离我们越来越近。相信自己将在2020年分娩的父母渴望根据不同的名字风格和类型给孩...

  5. 根据全球试驾报告,我们只生产干货。电机的恒定功率和恒定扭矩输出特性使车辆不再难以获得更好的加速性能和

    根据全球试驾报告,我们只生产干货。电机的恒定功率和恒定扭矩输出特性使车辆不再难以获得更好的加速性能和...

  6. 1月14日,五粮液集团结束了正式的汽车拍卖,拍卖了324辆公交车,返还了3030万辆。随着五粮液拍卖公务用车,

    1月14日,五粮液集团结束了正式的汽车拍卖,拍卖了324辆公交车,返还了3030万辆。随着五粮液拍卖公务用车,...

  7. 看着活泼的黑鸡跳上跳下,夏兆军脸上露出了开心的笑容。我开始说话,“在过去的几年里,我回到我的家乡,开

    看着活泼的黑鸡跳上跳下,夏兆军脸上露出了开心的笑容。我开始说话,“在过去的几年里,我回到我的家乡,开...

  8. 2x.png

    2x.png...

  9. 7月4日,中国首个聚焦足球评论的体育综艺节目《足球解说大会》正式结束。擅长评论的苗霖在所有球迷的期待下

    7月4日,中国首个聚焦足球评论的体育综艺节目《足球解说大会》正式结束。擅长评论的苗霖在所有球迷的期待下...

  10. 世界上最残酷的事情是白发男人送黑发男人。这对夫妇的两个孩子中的一个已经完全去世,另一个将在监狱度过余

    世界上最残酷的事情是白发男人送黑发男人。这对夫妇的两个孩子中的一个已经完全去世,另一个将在监狱度过余...

友情链接