Сравнение атрибутов и классификаторов для лица проверки

тизер изображения

Описание

В этой работе, мы заранее государство-оф-арт для лица верификации («эти два изображения одного и того же человека?») в неконтролируемых параметров с некооперативных предметам. С этой целью, мы представляем два романа и взаимодополняющие методы для верификации лицо. Общим для обоих методов является идея выбора и сравнения «высокого уровня» визуальные характеристики, или черты характера, изображения лица, которые нечувствительны к позе, освещения, выражения, и другие условия съемки. Наш первый метод — на основе атрибутов классификаторов — использует бинарных классификаторов, обученных распознавать присутствие, отсутствие или степень описать визуальные атрибуты (пол, раса, возраст, цвет волос и др.). Наш второй метод — на основе сравнительных классификаторы — удаляет ручного этикетирования требуется обучить атрибутов классификаторов. Сравнение классификаторов бинарных классификаторов, обученных распознавать сходство лица, или областей лица, в конкретную ссылку людей. Идея в том, чтобы автоматически узнать сравнений, отличающих человека от общего населения. Невидимая грань может быть описан как имеющий уста, похоже, Барака Обамы и нос, который выглядит, как Оуэн Уилсон.

Сравнивая два лица-это просто вопрос сравнения признака векторов (т. е. от атрибута и/или сравнение классификаторов). Мы представляем экспериментальные результаты оценки на сложной маркировкой граней в природе (LFW) набор данных. Этот набор данных является замечательным в его изменчивости, показывать все различия, о которых говорилось выше. Примечательно, что оба атрибута и сравнение классификаторов достичь государство-оф-арт результатов на LFW «запрещенные изображения» эталоном, и гибрид из двух результатов в 31.68% снижение количества ошибок по сравнению с предыдущей лучше. По нашим сведениям, это первый раз, что список таких визуальные черты были использованы для верификации лицо. Для тестирования вне LFW набор данных, мы вводим PubFig — новый набор данных из реального мира образы общественных деятелей, знаменитостей и политиков), приобретенных из интернета. В PubFig набор данных большого размера (60,000 изображений) и глубже (в среднем 300 изображений на особь), чем существующие наборы данных, и позволяет нам представить результаты проверки разрывается позу, освещение, и выражение. Наконец, мы измеряем работоспособность человека на LFW, показывая, что люди очень хорошо на это … данного изображения в парах, проверка идентичности могут быть выполнены практически без ошибок.

Данное исследование частично финансировалось в рамках ФФЯБ награду служб IIS-03-25867 и ОНР премии N00014-08-1-0638. Мы благодарны компании Omron технологий для предоставления нам OKAO лица система обнаружения.

Публикации

Баз данных

PubFig: Общественные Деятели Сталкиваются С Базы Данных

PubFig: Общественные Деятели Сталкиваются Базы Данных:

60,000 изображения лица с лицом несколько критериев проверки & 65 автоматически вычисляемых атрибутов меток за 42000 изображений

Изображения

Подготовка изображений для атрибутов классификаторов

Подготовка изображений для атрибутов классификаторов:

Каждая строка показывает учебные примеры изображений лиц, соответствующие данным атрибутом ярлыка (положительных примеров) и те, которые не (отрицательные примеры). У нас более тысячи подготовку изображений для каждого из наших 65 атрибутами. Точность для каждого атрибута классификатора показано на следующем рисунке.
Точность атрибутов классификаторов

Точность атрибутов классификаторов:

Мы представляем точностью в 65 атрибутов классификаторов, обученных по нашей системе. Пример подготовки изображений для атрибутов полужирный показаны в предыдущих изображений
На Amazon механический турок " работа для надписывания атрибутов

На Amazon механический турок » работа для надписывания атрибутов:

Мы используем Амазонки «механический турок» для обозначения изображений с атрибутами. Этот онлайн сервис позволяет легко и недорого этикетку изображений с использованием большого числа рабочих. На этом рисунке показан пример нашего атрибут маркировки рабочих мест. Нам удалось собрать более 125 000 этикеток человека в месяц, за $5,000.
Атрибут классификатора выходы

Атрибут классификатора выходы:

Атрибут классификатора могут быть обучены распознавать присутствие или отсутствие можно обозначить аспект внешнего вида. Ответы на несколько таких атрибутов классификаторов приведены для пары образы Холли Берри. Обратите внимание, что «флеш» и «блестящая кожа» атрибуты дают очень разные ответы, хотя ответы на оставшиеся атрибуты в сильных соглашение несмотря на изменения в поза, освещение, выражение, и качество изображения.
Подготовка изображений для сравнение классификаторов

Подготовка изображений для сравнение классификаторов:

Сравнение каждый классификатор обучается с помощью нескольких изображений конкретную ссылку человеку, ограничено узким лицом области, такие как глаза, нос или рот. Мы показываем здесь три положительных и три отрицательных примеров для четырех регионов по двум эталонного люди привыкли тренировать эти классификаторы.
Сравнение выходов классификатора

Сравнение выходов классификатора:

Мы используем большое количество «сравнение» классификаторов, обученных распознавать сходства частей лица, чтобы конкретная ссылка людьми. Ответы на несколько таких сравнительных признаков внешности, показаны пары картинок с Харрисоном Фордом. R_j обозначает основное лицо Дж, так что первый бар слева отображает сходство в глазах условного человека » 1. Обратите внимание, что ответы являются, по большей части, по согласованию несмотря на изменения в позу, освещение, и выражение.
Лице результаты проверки на LFW

Лице результаты проверки на LFW:

Выступление наших атрибутов классификаторов, сравнение классификаторов, а гибрид двух изображены сплошными красный, синий, и зеленый, соответственно. Все 3 наших методов превзойти все предыдущие методы (пунктирные линии). Наша высочайшая точность составляет 85.29%, что соответствует 31.68% меньше ошибок, чем предыдущая государство-оф-арт.
На Amazon механический турок задания для проверки человека

На Amazon механический турок » работа для человека является проверка:

Мы попросили человеческого пользователи на Амазонке «механический турок» для выполнения лицом задача по проверке на LFW набор данных. Это изображение показывает пример того, что эти места выглядели. Используя всего 240,000 ответы пользователей, мы смогли участка работоспособность человека на LFW
Человеческое лицо результаты проверки на LFW

Человеческое лицо результаты проверки на LFW:

Работоспособность человека на LFW почти идеальный (99.20%) когда люди показано исходное изображение (красная линия). Показывая туже обрезанную версию изображения (синяя линия), понижается их точность до 97.53%, из-за отсутствия контекста, доступного. Зеленая линия показывает, что даже с обратной урожая, т. е., когда только контекст показано, люди по-прежнему работают на удивление хорошо, на 94.27%. Это подчеркивает сильный контекст подсказки доступны на LFW набор данных. Все наши методы маскирования фона, чтобы избежать использования этой информации.
В PubFig Набор Данных

В PubFig Набор Данных:

Мы показываем пример изображения для 140 человек использовал для проверки тестов на PubFig эталоном. Ниже каждого изображения общее количество изображений лиц для этого человека в весь набор данных.
Лице результаты проверки на PubFig

Лице результаты проверки на PubFig:

Наше выступление на весь набор тестов в 20000 пар с использованием атрибутов классификаторов приведен в черный. Производительность на позу, освещение, и выражение подмножеств эталоном показаны красным, синим и зеленым, соответственно. Для каждого подмножества, сплошные линии показывают результаты для «легкого» случая (фронтально/освещения или нейтральным выражением лица), а пунктирные линии показывают результаты для «сложный» случай (не фронтально/освещающ, Non-нейтральное выражение).

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *