超脸:用于高光谱面部识别的深度融合模型
Wenlong Li1, Xi Cen2, Liaojun Pang1
1Molecular and Neuroimaging Engineering Research Center of Ministry of Education, School of Life Science and Technology, Xidian University, Xi'an 710126, China.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
这项研究介绍了HyperFace,这是一种用于高光谱面部识别的深度学习模型. HyperFace有效地融合了可见和红外数据,大大提高了识别准确度,而不是单频段方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 生物识别信息 生物识别信息
背景情况:
- 面部识别是在可见和红外 (IR) 频谱中建立的.
- 超谱面部识别,融合多个光带,提供更丰富的信息和全天候能力,但仍然是一个公开的挑战.
研究的目的:
- 为了应对超谱面部识别的挑战.
- 提出一种基于深度学习的新型融合模型,以提高面部识别性能.
主要方法:
- 开发了一种名为HyperFace的深度学习方法.
- 该模型包含一个预融合方案,一个语编码器与双范围残余密集学习,一个反式解码器,和一个复合损失函数.
主要成果:
- 与单频段 (可见或红外) 面部识别相比,HyperFace实现了显著更高的识别率.
- 拟议的融合模型在图像质量和识别性能方面优于传统和基于深度学习的一般图像融合方法.
结论:
- 超脸模型证明了深度学习对高光谱面部识别的有效性.
- 通过HyperFace将可见和红外数据融合在一起,为强大而准确的面部识别提供了卓越的性能.


