面向低质量数据的3D人脸识别

• 作者: 龚勋 周炀
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 3D人脸识别 损失函数 低质量3D人脸 空间注意力机制
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 43-51
• 页数: 9页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.12178/1001-0548.2020321

摘要

该文提出了面向低质量数据的3D人脸识别方法.该方法针对快速采集设备的低质量3D人脸数据提出了空间注意力机制的Dropout(SAD)、类间正则化损失函数(IR Loss),有效提升了不完整3D人脸数据的识别精度.SAD通过空间注意力机制对特征图中权重大的部分随机Dropout,让网络学习到更多的隐藏特征;IR Loss通过约束不同身份人脸间的聚类中心的距离分离,使网络学习到的不同身份人的人脸特征相似度更低.实验表明,在当前最大规模的低质量数据集(Lock3DFace)上,该方法优于当前的基准方法,且提出的SAD和IR Loss表现出了强大的适用性和鲁棒性.