.png){kind=icon}
返回
Multi-Level Feature Perception Network for Set-Based Video Face Identification
.png){kind=icon}
PRE
AI
DOI：10.1109/TBIOM.2025.3545273.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为一种重要的生物识别技术，视频人脸识别具有广阔的应用前景，并长期以来受到研究者的广泛关注。尽管涌现了许多视频人脸识别方法，但它们仍未完全克服诸如视频内多样性、视频间相似性等固有问题。鉴于此，提出了一种基于集合的视频人脸识别方法，称为多级特征感知网络（MFPN），其由两个模块组成：视频特征生成模块和距离度量学习模块。这些模块充分考虑了视频内的凝聚性以及不同视频间的相似性。首先，使用视频特征生成模块来学习（或感知）每帧的原子级特征，并在该过程中考虑视频内的凝聚性问题，以利于后续紧凑视频特征的学习。然后，利用距离度量学习模块进一步学习（或感知）视频的深层概念级特征，同时考虑不同视频间的相似性，以增强这些特征的判别能力。最后，基于测试视频的深层概念级特征确定其类别。在Honda、MoBo、YTC和YTF视频人脸数据集上的实验结果表明，所提出的方法在视频人脸识别和视频人脸验证任务中均显著提高了识别率。
Keyword:
Video face identification
deep atom-level fea-tures
deep concept-level features
feature perception
feature perception
metric learning
metric learning
metric learning
期刊
I
IF:
0
论文数:
67
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏Joint Metric Learning-Based Class-Specific Representation for Image Set Classification基于联合度量学习的图像集分类特定类别表示
PREAI
分享收藏
查看更多内容