22、深度学习助力视频人脸识别：方法比较与性能分析

深度学习助力视频人脸识别：方法比较与性能分析

1. 方法概述

在视频人脸识别领域，CNN+MaxPool 和 CNN+AvePool 是常用的特征聚合方法，它们分别沿着每个特征维度进行最大池化和平均池化。这两种方法以及神经聚合网络（NAN）都能为每个视频生成 128 维的特征表示，并能在 O(1) 时间内计算相似度。

2. IJB - A 数据集实验

• 数据集介绍 ：IJB - A 数据集包含从无约束环境中捕获的人脸图像和视频，具有全姿态变化和广泛的成像条件变化，极具挑战性。该数据集共有 500 个受试者，包含 5397 张图像和 2042 个视频，平均每个受试者有 11.4 张图像和 4.2 个视频。
• 实验流程
  1. 使用 STN 人脸检测器检测人脸并标注关键点。
  2. 通过相似变换对人脸图像进行对齐。
  3. 每个训练和测试实例被称为“模板”，可能包含 1 到 190 个混合的静态图像和视频帧。
  4. 采用“compare”协议进行 1:1 人脸验证，采用“search”协议进行 1:N 人脸识别。
  5. 对于验证任务，报告真接受率（TAR）与假阳性率（FAR）；对于识别任务，报告真阳性识别率（TPIR）与假阳性识别率（FPIR）以及 Rank - N 准确率。
• 实验结果
  | 方法 | 1:1 验证 TAR（FAR = 0.001） | 1:1 验证 T