摘要

近期，人脸识别技术取得了显著的进步。尽管这一进展在一定程度上归因于训练集规模的急剧扩大——即从互联网下载并标注了大量人脸图像，但尚不清楚收集如此多图像的任务是否真正必要。我们提出了一种更为便捷的方法来增加人脸识别系统的训练数据量。与其手动采集和标注更多的人脸图像，我们选择合成这些图像。本文描述了通过操纵现有数据集中的人脸来丰富其面部外观变化的新方法。此外，我们在使用标准卷积神经网络表示查询图像时也应用了这种合成方法。我们对LFW和IJB-A（验证和识别）基准以及Janus CS2进行了广泛测试，以评估使用合成图像进行训练和测试的效果。实验结果表明，我们的方法所获得的性能与那些基于数百万下载图像训练的系统报告的最先进结果相当。