• 所属单位：计算机科学与技术学院/人工智能学院/软件学院
• 发表刊物：计算机应用
• 关键字：人脸识别;人脸摆正;3D重建;超分辨率重构;深度递归卷积神经网络;
• 摘要：针对人脸识别算法准确率受面部姿态、遮挡、图像分辨率等因素影响的问题,提出一种超分辨率摆正的方法,作用于低质量无约束输入图像上,生成高清晰度标准正面视图。主要通过估计输入图像与3D模型间的投影矩阵,产生标准正面视图,通过人脸对称性的特点,补全由于姿态、遮挡等原因所产生的面部缺失像素。在摆正过程中,为了提高图像分辨率以及避免面部像素信息丢失,引入一个16层的深度递归卷积神经网络进行超分辨率重构;并提出两个扩展:递归监督和跳跃链接,来降低网络训练难度以及缩小模型体量。在经过处理的LFW数据集上实验表明,该方法对人脸识别和性别检测算法的性能具有显著提升作用。
• 是否译文：否
• 发表时间：2017-11-10
• 合写作者：孙强
• 第一作者：谭晓阳
• 通讯作者：谭晓阳