专栏首页arxiv.org翻译专栏人脸识别中的数据不确定性学习(CS AI)
原创

人脸识别中的数据不确定性学习(CS AI)

建模数据不确定性对噪声图像很重要,但很少用于人脸识别。 先锋工作PFE通过将每个人脸图像嵌入建模为高斯分布来考虑不确定性。 这是相当有效的,但是,它只使用现有的模型固定特征——高斯的平均值。 它只估计方差,并依赖于一个特设和昂贵的度量.. 因此,它不容易使用。所以,目前尚不清楚不确定性如何影响特征学习。

本工作将数据不确定性学习应用于人脸识别,首次同时学习特征(均值)和不确定性(方差)来提出两种学习方法,它们易于使用,并且在具有挑战性的无约束场景上优于现有的确定性方法以及PFE。 我们还提供了有洞察力的分析,如何结合不确定性估计有助于减少噪声样本的不利影响,并影响特征学习。

原文题目:Data Uncertainty Learning in Face Recognition

原文:Modeling data uncertainty is important for noisy images, but seldom explored for face recognition. The pioneer work, PFE, considers uncertainty by modeling each face image embedding as a Gaussian distribution. It is quite effective. However, it uses fixed feature (mean of the Gaussian) from an existing model. It only estimates the variance and relies on an ad-hoc and costly metric. Thus, it is not easy to use. It is unclear how uncertainty affects feature learning.

This work applies data uncertainty learning to face recognition, such that the feature (mean) and uncertainty (variance) are learnt simultaneously, for the first time. Two learning methods are proposed. They are easy to use and outperform existing deterministic methods as well as PFE on challenging unconstrained scenarios. We also provide insightful analysis on how incorporating uncertainty estimation helps reducing the adverse effects of noisy samples and affects the feature learning.

原文作者:Jie Chang,Zhonghao Lan,Changmao Cheng,Yichen Wei

原文地址:https://arxiv.org/abs/2003.11339

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • CLARIAH中的本体论:迈向历史,语言和媒体的互操作性(CS CAS)

    数字人文科学的最重要目标之一就是通过扩大学术研究规模,链接现有数据库或改善数据可访问性,为研究人员提供有关新研究问题的数据和工具。在此,FAIR原则提供了一个有...

    时代在召唤
  • 集成状态估计、控制和学习的主动推理(CS RO)

    提出了一种机器人控制、状态估计和学习模型(hyper)参数的方法。它是基于主动推理框架的,在计算神经科学中作为一种大脑理论非常突出,在这个框架中,行为源于最小化...

    时代在召唤
  • 可数加性效应理论中确定性模型和概率模型的二分法(CS AI)

    效应理论是一种相对新的范畴逻辑方法,可以看作是广义概率理论(GPTs)的抽象形式。 虽然GPT的标量总是真实的单位间隔[0,1],但在一个效应中,它们可以形成任...

    时代在召唤
  • hdu---(1800)Flying to the Mars(trie树)

    Flying to the Mars Time Limit: 5000/1000 MS (Java/Others)    Memory Limit: 32768...

    Gxjun
  • POJ 1012 Joseph

    Joseph Time Limit: 1000MS Memory Limit: 10000K Total Submissions: 53862 ...

    Angel_Kitty
  • CodeForces 157A Game Outcome

    A. Game Outcome time limit per test 2 seconds memory limit per test 256 me...

    ShenduCC
  • SAP最佳业务实践:SD–带变式价格的销售报价(663)-3修改报价

    一、 VA23 Outputting Quotation Document After the quotation has been created in th...

    SAP最佳业务实践
  • 演讲稿: 如何使用增强现实技术提高应用的用户体验

    With the accellerated evolution of mobile hardware, application developers tend ...

    Jerry Wang
  • 11. 图像合成与图像融合

    我们经常看到一些很奇妙的PS技术,例如下面这张,它把1928年的一位叫做Frankie Yale的黑帮老大被杀时的照片,与现在这栋房子的照片无缝融合在一起:

    HawkWang
  • Poor man's grid search穷举网格搜索

    In this recipe, we're going to introduce grid search with basic Python, though w...

    到不了的都叫做远方

扫码关注云+社区

领取腾讯云代金券