【每周CV论文推荐】 人脸识别剩下的难题：从遮挡，年龄，姿态，妆造到亲属关系，人脸攻击...
歡迎來(lái)到《每周CV論文推薦》。在這個(gè)專欄里，還是本著有三AI一貫的原則，專注于讓大家能夠系統(tǒng)性完成學(xué)習(xí)，所以我們推薦的文章也必定是同一主題的。
人臉識(shí)別系統(tǒng)已經(jīng)大規(guī)模商業(yè)化應(yīng)用，但這并意味著它就發(fā)展到頂了，剩下的都是一些難題，包括遮擋/年齡/姿態(tài)/妝造/親屬/偽造攻擊等。
作者&編輯 | 言有三
1 遮擋人臉檢測(cè)與識(shí)別
遮擋人臉的檢測(cè)和識(shí)別是一個(gè)很常見(jiàn)的現(xiàn)實(shí)問(wèn)題，不論是姿態(tài)等帶來(lái)的自遮擋還是外物帶來(lái)的遮擋，都會(huì)嚴(yán)重?fù)p害人臉識(shí)別模型的性能，值得對(duì)相關(guān)領(lǐng)域感興趣的朋友深入關(guān)注。
文章引用量：30+
推薦指數(shù)：?????
[1]?Wang J, Yuan Y, Yu G. Face attention network: An effective face detector for the occluded faces[J]. arXiv preprint arXiv:1711.07246, 2017.
[2]?Yuan X, Park I K. Face De-occlusion using 3D Morphable Model and Generative Adversarial Network[J]. arXiv preprint arXiv:1904.06109, 2019.
2 跨年齡人臉識(shí)別
年齡的變化使得人臉的圖像特征發(fā)生很大的變化，跨年齡的人臉識(shí)別無(wú)疑也是一個(gè)很難的問(wèn)題，同時(shí)也是一個(gè)具有重大社會(huì)價(jià)值的課題。從年齡不變特征提取到年齡仿真，相關(guān)的研究非常多，這個(gè)綜述可以作為一個(gè)好的開(kāi)始。
文章引用量：很新
推薦指數(shù)：?????
[3]?Sawant M M, Bhurchandi K M. Age invariant face recognition: a survey on facial aging databases, techniques and effect of aging[J]. Artificial Intelligence Review, 2019, 52(2): 981-1008.
3 跨姿態(tài)人臉識(shí)別?
大姿態(tài)造成人臉顯著特征的缺失，一樣會(huì)嚴(yán)重影響模型的性能。從姿態(tài)不變特征提取到正臉姿態(tài)仿真，相關(guān)的研究非常多，這個(gè)綜述可以作為一個(gè)好的開(kāi)始。
文章引用量：200+
推薦指數(shù)：?????
[4]?Ding C, Tao D. A comprehensive survey on pose-invariant face recognition[J]. ACM Transactions on intelligent systems and technology (TIST), 2016, 7(3): 37.
4 妝造人臉識(shí)別
年齡的變化會(huì)導(dǎo)致人臉的生理特征發(fā)生變化，而妝造則可能直接掩蓋了人臉固有的特征，也對(duì)人臉識(shí)別構(gòu)成了很大的挑戰(zhàn)，非常具有研究意義。
文章引用量：較少
推薦指數(shù)：?????
[5]?Li Y, Song L, Wu X, et al. Anti-Makeup: Learning a bi-level adversarial network for makeup-invariant face verification[C]//Thirty-Second AAAI Conference on Artificial Intelligence. 2018.
5 親屬關(guān)系識(shí)別
由于遺傳等因素，子女的人臉會(huì)與父母相似，因此人臉識(shí)別中有一個(gè)小的領(lǐng)域即親屬人臉識(shí)別，也具有一定的研究意義。
文章引用量：40+
推薦指數(shù)：?????
[6]?Robinson J P, Shao M, Wu Y, et al. Families in the wild (fiw): Large-scale kinship image database and benchmarks[C]//Proceedings of the 24th ACM international conference on Multimedia. ACM, 2016: 242-246.
6?人臉偽造與攻擊
當(dāng)前的人臉偽造技術(shù)已經(jīng)非常高超，如何檢測(cè)與識(shí)別偽造人臉將是未來(lái)一個(gè)很大的挑戰(zhàn)。
文章引用量：很新
推薦指數(shù)：?????
[7] R?ssler A, Cozzolino D, Verdoliva L, et al. Faceforensics: A large-scale video dataset for forgery detection in human faces[J]. arXiv preprint arXiv:1803.09179, 2018.
7 如何獲取文章與交流
找到有三AI開(kāi)源項(xiàng)目即可獲取。
https://github.com/longpeng2008/yousan.ai
文章細(xì)節(jié)眾多，相關(guān)的人臉數(shù)據(jù)集在以及論文閱讀交流在有三AI知識(shí)星球中進(jìn)行，感興趣可以加入。
總結(jié)
本次我們介紹了從遮擋，年齡，姿態(tài)，妝造人臉識(shí)別到親屬關(guān)系，人臉攻擊等問(wèn)題，另外3D人臉識(shí)別沒(méi)有專門(mén)講述，因?yàn)樗鼘?shí)際上與姿態(tài)等問(wèn)題是相關(guān)的，光照和表情，少樣本問(wèn)題也沒(méi)有仔細(xì)闡述，感興趣的讀者可以自行拓展。
有三AI秋季劃
有三AI秋季劃已經(jīng)正式啟動(dòng)報(bào)名，模型優(yōu)化，人臉?biāo)惴?#xff0c;圖像質(zhì)量共24個(gè)項(xiàng)目，助力提升深度學(xué)習(xí)計(jì)算機(jī)視覺(jué)算法和工程項(xiàng)目能力。
有三AI秋季劃出爐，模型優(yōu)化，人臉?biāo)惴?#xff0c;圖像質(zhì)量等24個(gè)項(xiàng)目等你來(lái)拿
轉(zhuǎn)載文章請(qǐng)后臺(tái)聯(lián)系
侵權(quán)必究
往期精選
【每周論文推薦】 初入深度學(xué)習(xí)CV領(lǐng)域必讀的幾篇文章
【每周CV論文推薦】 掌握殘差網(wǎng)絡(luò)必讀的10多篇文章
【每周CV論文推薦】 初學(xué)者必須精讀的5篇深度學(xué)習(xí)優(yōu)化相關(guān)文章
【每周CV論文推薦】 CV領(lǐng)域中數(shù)據(jù)增強(qiáng)相關(guān)的論文推薦
【每周CV論文推薦】 初學(xué)高效率CNN模型設(shè)計(jì)應(yīng)該讀的文章
【每周CV論文推薦】 初學(xué)目標(biāo)檢測(cè)必須要讀的文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)圖像分割必須要讀的文章
【每周CV論文推薦】 初學(xué)GAN必須要讀的文章
【每周CV論文推薦】 深度學(xué)習(xí)人臉檢測(cè)入門(mén)必讀文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)人臉關(guān)鍵點(diǎn)檢測(cè)必讀文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)人臉識(shí)別和驗(yàn)證必讀文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)人臉屬性分析必讀的文章
【每周CV論文推薦】 初學(xué)活體檢測(cè)與偽造人臉檢測(cè)必讀的文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)單張圖像三維人臉重建需要讀的文章
總結(jié)
以上是生活随笔為你收集整理的【每周CV论文推荐】 人脸识别剩下的难题：从遮挡，年龄，姿态，妆造到亲属关系，人脸攻击...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： 【AutoML】强化学习如何用于模型量化
- 下一篇： 【小结】除了网络搜索(NAS)，Auto