[00105604]基于深度特征学习的非受控人脸识别研究
联系人：
所在地：
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
该项目为国家自然科学基金资助面上项目（项目批准号：61573068）。
该项目面向智能视频监控的国家重大需求，重点研究以人脸为主要应用的深度学习方法。 与传统识别任务相比，视频监控面临“同类外观多变”、“类间差别细微”、“训练样本缺乏” 等识别挑战，视觉特征表达是解决这些挑战的核心问题。该项目在增强视觉特征的鲁棒性、鉴别性和泛化性等方面取得重要进展。主要研究成果如下：
1. 提出了像素相关性假设出发的特征滤波器，得到了对噪声具有最优鲁棒性的特征表达。
2. 提出基于对抗样本的三元组正则化训练方法，大幅度地搞了人脸深度模型的噪声鲁棒
性。
3. 提出了基于自适应类别间隔、高阶注意力、特征图分组训练的方法，提高了特征的鉴
别性。
4. 提出了虚拟样本自适应、特征距离约束和信息最大化方法，提高了特征的泛化能力。该项目建立了人脸识别鲁棒性和公平性数据集，用于评价相似外貌、跨年龄、跨姿态和
在四类主要人种上的基准性能的训练和测试数据集，被国内外同行广泛采用。除了人脸识别， 该项目的深度特征学习的成果还成功地应用在表情识别、行人识别、车辆识别、细粒度物体检索与聚类等问题上。
