【CVPR2020-Oral-中科院自动化所】元人脸识别，Learning Meta Face Recognition

https://www.zhuanzhi.ai/paper/ccb987e46b16df099ac17b08368b9b02

人脸识别系统在实际应用中往往会遇到一些不可见的领域，由于其泛化能力较差而导致性能不佳。例如，一个训练有素的webface数据模型不能处理监视场景中的ID和Spot任务。在本文中，我们的目标是学习一个不需要任何模型更新就可以直接处理新的未知域的广义模型。为此，我们提出了一种新的基于元学习的人脸识别方法——元人脸识别(Meta face recognition, MFR)。MFR以元优化目标综合源/目标域移位，这要求模型不仅要在综合的源域上学习有效的表示，还要在综合的目标域上学习有效的表示。具体来说，我们通过域级抽样策略构建域移位批次，并通过优化多域分布得到合成源/目标域上的反向传播梯度/元梯度。进一步结合梯度和元梯度对模型进行更新，提高了模型的泛化能力。此外，我们提出了两种评估广义人脸识别的基准。在我们的基准上进行的实验验证了我们的方法与几个基线和其他技术水平的比较的普遍性。提出的基准将在https://github.com/cleardusk/MFR上提供。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“MFR” 就可以获取《【CVPR2020-Oral-中科院自动化所】元人脸识别，Learning Meta Face Recognition》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源