来自面部图像的自动亲缘关系验证是机器学习社区中一个新兴的研究主题。本文提出了一种基于多视角深度特征的有效人脸特征提取模型。因此，使用了四个经过预先训练的深度学习模型，这些模型使用八个特征层（每个VGG-F，VGG-M，VGG-S和VGG-Face模型的FC6和FC7层）来训练提出的基于多线性边信息的判别分析在类协方差归一化（MSIDA + WCCN）方法中进行积分。 此外，证明了基于WCCN方法集成的度量学习方法如何改善简单评分余弦相似度（SSC）方法。 指的是在RFIW’20比赛中使用八个深层特征串联使用了SSC方法。因此，WCCN在度量学习方法中的集成减少了由深度特征权重引入的类内变异效应。使用两个亲子关系（父子，父女，母子和母女）在两个亲属基准（即KinFaceW-I和KinFaceW-II数据库）上评估提出的方法。因此，建议的MSIDA + WCCN方法在KinFaceW-I和KinFaceW-II数据库上分别将SSC方法改进为12.80％和14.65％。将获得的结果与某些现代方法（包括那些依赖于深度学习的方法）进行了积极比较。

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