学习准传递相似性用于大型面部集合检索.pdfVIP

学习准传递相似性用于从大型集合中检索面部es

OgnjenArandjelovi´c圣安德鲁斯大

学，英国ognjen.arandjelovic@

摘要与此同时，在大规模数据集背景下的人脸识别研究中，

视频和基于集合的识别也取得了很大进展[3,15]。重

我们对在不受控制的环境中获取的大型未标记集合

要的贡献包括人脸集合表示的进展[17,40],特别是基

中基于身份的面部集检索感兴趣。给定一个用于测量两于流形的表示[32,44],光照模型[11],和相似性度量

个面部集相似性的基线算法，本文介绍的元算法旨在利

[5,13,28,44]。

用数据语料库的结构来充分利用可用的基线。特别是，

我们展示了如何利用人际相似性的部分传递性来改进特

别具有挑战性的集合的检索，这些集合在基线度量下与

查询匹配度较低。我们：(i)描述了使用代理集作为计

算两个集之间相似性的手段，(ii)引入了基于集间显著本文的主题是人脸集检索，其贡献既涉及基于集

外观变化模式相似性的传递性元特征，(iii)展示了如何的识别的先前工作，也涉及在大规模数据集合中进行

从这些特征中学习准传递性而无需任何标注或人工干预，识别的相关研究。与文献中的大多数工作不同，我们

并且(iv)通过在著名的YouTube数据库上的实验展的主要兴趣不在于人脸集的表示，也不在于相关的相

示了所提出方法的有效性。似性度量本身。相反，给定一个用于测量两个人脸集

相似性的基线算法，我们的工作旨在利用整个数据库

的大规模结构，以最大限度地利用可用的基线。从这

个意义上说，我们的方法既以数据（人脸图像集）为

输入，又以算法（基线）为输入，可以准确地描述为

1.引言一种元算法。

过去10到15年中，大量视觉信息的获取和存储能问题描述：给定一个查询人脸集，我们的目标是从大型

力的显著提升，对人脸识别算法的应用环境产生了深数据库（画廊）中检索出同一个人的集合。更具体地说，

远的影响。早期的人脸识别研究主要集中在使用验证我们希望按照匹配查询身份的置信度降序对画廊集进行

和识别协议从小型数据库（通常只有几十人）中的单排序。因此，理想的检索结果是将所有查询人的集合首

张图像进行识别，并且至少在部分受控条件下进行。先列出（‘匹配’），然后是所有其他集合（‘非匹配’）。

[34,46,48],而近期的研究则更多地转向了基于视频或我们假设画廊完全未标记，并且可能包含同一人的多个

图像集的识别[10,8,25,30],以及在高度不受控环境中集合。

获取的大型数据库[9,29,45]。

2.学习传递相似性

在本节中，我们介绍本文的主要贡献。特别是，我们

在大规模数据集背景下早期的人脸识别研究主要致力于扩展现描述了一个适用于大规模‘野生’人脸图像集合的人脸检

有方法，并将其适应于低质量图像的使用。这包括通过仿射变换进