摘要

近年来，面部识别领域的主要研究创新集中在使用多类分类损失的各种变体在大规模身份标记数据集上训练深度神经网络。然而，由于隐私和伦理问题日益受到关注，许多这些数据集已被其创建者撤回。最近，为了遵守隐私法规并确保面部识别研究的持续进行，提出了一种保护隐私的合成数据作为敏感真实数据的替代方案。本文中，我们提出了一种基于未标记合成数据的无监督面部识别模型（USynthFace）。所提出的USynthFace通过最大化同一合成实例的两个增强图像之间的相似度来学习。我们通过一系列几何和颜色变换以及基于GAN的增强操作实现了这一点，这些操作有助于USynthFace模型的训练。此外，我们对USynthFace的不同组件进行了大量实证研究。通过所提出的增强操作集，我们证明了USynthFace在使用未标记合成数据的情况下能够实现相对较高的识别准确率。