如何进行有效的沈阳人脸识别

通过使用不同的通用3D模型来渲染面部。顶部：用于渲染的十个通用3D脸部形状。底部：用通用符号出现在正上方的脸部。不同的形状引起微妙的外观变化，但不会改变图像中面部的感知身份。使用不同的通用3D模型以不同的姿势和不同的表达式渲染单个脸部图像（这里未显示，参见文章）。这丰富了具有重要的主体内外观变化的训练组，从而显着提高了识别率。

    沈阳人脸识别功能最近取得了非凡的飞跃。虽然这一进展至少部分是由于膨胀的训练集大小，大量的人脸图像下载和标记身份，目前还不清楚是否真的有必要收集这么多的图像的强大任务。我们提出了一种更容易获得的手段来增加沈阳人脸识别系统的训练数据量。我们只是简单地合成它们，而不是手动采集和标记更多的面孔。我们描述了通过操纵其包含的面部来丰富具有重要的面部外观变化的现有数据集的新方法。当匹配使用标准卷积神经网络表示的查询图像时，我们进一步应用这种综合方法。

    在LFW和IJB-A（验证和识别）基准和JanusCS2上广泛测试了合成图像的训练和测试的效果。通过我们的方法获得的性能与由数百万图像训练的系统所报告的最新结果相符。当匹配使用标准卷积神经网络表示的查询图像时，我们进一步应用这种综合方法。通过我们的方法获得的性能与由数百万图像训练的系统所报告的最新结果相符。