首次！用合臉數(shù)據(jù)集訓(xùn)練的識(shí)別模型，性能高于真實(shí)數(shù)據(jù)集

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：首次！用合臉數(shù)據(jù)集訓(xùn)練的識(shí)別模型，性能高于真實(shí)數(shù)據(jù)集
關(guān)鍵字：身份,數(shù)據(jù),向量,模型,圖片
文章來(lái)源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

AIxiv專欄是機(jī)器之心發(fā)布學(xué)術(shù)、技術(shù)內(nèi)容的欄目。過(guò)去數(shù)年，機(jī)器之心AIxiv專欄接收?qǐng)?bào)道了2000多篇內(nèi)容，覆蓋全球各大高校與企業(yè)的頂級(jí)實(shí)驗(yàn)室，有效促進(jìn)了學(xué)術(shù)交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)系報(bào)道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com研究動(dòng)機(jī)
一個(gè)高質(zhì)量的人臉識(shí)別訓(xùn)練集要求身份 (ID) 有高的分離度（Inter-class separability）和類內(nèi)的變化度（Intra-class variation）。然而現(xiàn)有的方法普遍存在兩個(gè)缺點(diǎn)：
1）實(shí)現(xiàn)了大的 intra-class variation，但是 inter-class separability 很低；
2）實(shí)現(xiàn)了較高的 inter-class separability，但是 intra-class variation 需要用額外的模型來(lái)提高。
這兩點(diǎn)要么使得在合成的人臉數(shù)據(jù)集訓(xùn)練的模型性能表現(xiàn)不佳，要么難以合成大型數(shù)據(jù)集。
因此，我們通過(guò)讓提出的 Vec2Face 模型學(xué)習(xí)如何將特征向量轉(zhuǎn)化為對(duì)應(yīng)的圖片，并且在生成時(shí)對(duì)隨機(jī)采

原文鏈接：首次！用合臉數(shù)據(jù)集訓(xùn)練的識(shí)別模型，性能高于真實(shí)數(shù)據(jù)集

聯(lián)系作者

文章來(lái)源：機(jī)器之心
作者微信：
作者簡(jiǎn)介：