The Elements of End-to-end Deep Face Recognition: A Survey of Recent Advances

论文链接:https://arxiv.org/abs/2009.13290

44页,共计371篇参考文献。本文全面介绍了端到端深度学习人脸识别技术,包括人脸检测,人脸预处理和人脸表征等方向,详细介绍了最新的算法设计,评估指标,数据集,性能比较等。作者单位:上海大学, 京东AI研究院

人脸识别是计算机视觉社区中最基本和长期存在的主题之一。随着深度卷积神经网络和大规模数据集的最新发展,深度人脸识别取得了显著进展,并已广泛应用于现实应用中。给定自然图像或视频帧作为输入,端到端深度人脸识别系统将输出脸部特征以进行识别。为此,整个系统通常由三个关键要素构成:人脸检测,人脸预处理和人脸表征。人脸检测可定位图像或帧中的人脸。然后,进行人脸预处理以将人脸校准为标准视图,并将其裁剪为归一化的像素大小。最后,在人脸表征阶段,从经过预处理的人脸中提取判别特征进行识别。这三个要素都由深度卷积神经网络实现。在本文中,由于蓬勃发展的深度学习技术极大地提高了它们的能力,因此我们对端到端深度人脸识别的每个元素的最新进展进行了全面的调查。首先,我们介绍了端到端深度人脸识别的概述,如上所述,它包括人脸检测,人脸预处理和人脸表示。然后,我们分别回顾了基于深度学习的每个元素的进展,涵盖了许多方面,例如最新的算法设计,评估指标,数据集,性能比较,存在的挑战以及有希望的未来研究方向。我们希望这项调查能够为我们带来有益的想法,以便更好地了解端到端人脸识别的概况并以系统的方式进行更深入的探索。

内容中包含的图片若涉及版权问题,请及时与我们联系删除