为了解决传统人脸识别数据集构建中手工标注繁琐、低分辨率图像影响标注准确率等问题的问题,提出一种基于监控视频数据的特定人群人脸数据集自动化构建方法(constructing a facial dataset for a targeted group,CFD-TG)。该方法利用相...为了解决传统人脸识别数据集构建中手工标注繁琐、低分辨率图像影响标注准确率等问题的问题,提出一种基于监控视频数据的特定人群人脸数据集自动化构建方法(constructing a facial dataset for a targeted group,CFD-TG)。该方法利用相邻帧的人脸偏移量和相似度进行分组,并融合标准库进行分组标注和数据增强。实验结果表明,该方法所构数据集的调整兰德系数(ARI)与标准化互信息(NMI)比使用人脸聚类方法分别高出0.189、0.08;并将其在人脸识别模型FaceNet、ArcFace与AdaFace上进行了验证,基于特定人群人脸数据集的微调模型相较与原预训练模型识别准确率分别提升了0.4431、0.5912、0.1288。展开更多
文摘为了解决传统人脸识别数据集构建中手工标注繁琐、低分辨率图像影响标注准确率等问题的问题,提出一种基于监控视频数据的特定人群人脸数据集自动化构建方法(constructing a facial dataset for a targeted group,CFD-TG)。该方法利用相邻帧的人脸偏移量和相似度进行分组,并融合标准库进行分组标注和数据增强。实验结果表明,该方法所构数据集的调整兰德系数(ARI)与标准化互信息(NMI)比使用人脸聚类方法分别高出0.189、0.08;并将其在人脸识别模型FaceNet、ArcFace与AdaFace上进行了验证,基于特定人群人脸数据集的微调模型相较与原预训练模型识别准确率分别提升了0.4431、0.5912、0.1288。
