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

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。