近日，实验室关于人脸识别的工作被IJCV接收。IJCV的全称为International Journal of Computer
Vision, 是计算机视觉领域的重要国际期刊之一。论文的信息如下：
Chunrui Han,
Shiguang Shan, Meina Kan, Shuzhe Wu, and Xilin Chen, "Personalized
Convolution for Face Recognition," International Journal of Computer
Vision (IJCV), Sep. 2021. （Accepted）
传统的卷积核一旦训练结束，所有的参数都固定，这导致在测试阶段，模型对所有的测试人脸的关注是一样的。而我们人类在识别人脸时，对不同的人脸更关注的特征往往不一样：如更关注一个人的蓝眼睛，但是更关注另一个人的痣。受人类对人脸感知方式的启发，我们设计了一种个性化卷积，用来提取待识别人脸最具有判别性的特征。具体来讲，我们提出一个卷积核预测器来自适应地为输入人脸预测一组普通卷积核，这组卷积核既包含输入人脸最具判别性的特征，又包含不同人脸间的共性特征。为了获取关注判别性特征的个性化卷积核，这组普通卷积核被正交地分解成个性部分和共性部分。共性部分刻画不同人脸同样的特征，可以在一个参考人脸图像集上优化求得，而个性部分是这组普通卷积核在共性方向上的投影残差，用来构建个性化卷积核。个性化卷积核可以自适应地关注输入人脸最具判别性的特征，进而提升识别精度。除此之外，可以通过配置不同的参考人脸集合来实现对不同人脸识别场景更好的适应。该方法的框架图如下所示：
总体而言，本工作的主要贡献包括：1）不同于传统的卷积核，本工作提出的个性化卷积核可以自适应地提取输入人脸最具判别的特征；2）为了获取个性化卷积核，一个人的普通卷积核被正交分解成个性部分，和共性部分。 我们引入了一个参考人脸集用来过滤掉共性部分，剩下来的个性部分用来构建个性化卷积核。可以通过配置不同的参考人脸集合来实现对不同人脸识别场景的更好适应；3）实验验证了我们提出的个性化卷积在人脸识别任务上的有效性。
附件下载：