摘要

尽管在过去二十五年中取得了显著进展，无约束人脸识别仍然是一项具有挑战性的任务。本文提出了一种结合深度卷积神经网络（CNN）方法与基于三元组概率约束学习的低维判别嵌入的方法，以解决无约束人脸识别问题。除了性能提升外，该嵌入在内存占用和后续处理操作（如特定对象聚类）方面也提供了显著优势。在具有挑战性的IJB-A数据集上的实验表明，所提出的算法在验证和识别指标上表现与现有最先进方法相当或更优，同时所需训练数据量和训练时间大大减少。在CFP数据集上的优异表现证明了我们深度CNN所学习到的表示对极端姿态变化具有鲁棒性。此外，通过在IJB-A和LFW数据集上进行简单的聚类实验，我们展示了深度特征对年龄、姿态、模糊和杂乱等挑战因素的鲁棒性。