Not logged in.

Quick Search - Contribution

Contribution Details

Type Bachelor's Thesis
Scope Discipline-based scholarship
Title Frontal to Profile Face Recognition with Rank Lists
Organization Unit
Authors
  • Tom Wartmann
Supervisors
  • Manuel Günther
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2021
Abstract Text Accuracy in face recognition, especially with machine learning and artificial neural networks, has reached new records in recent years. However, the direct verification of two face images with a large difference in pose is still a big challenge even for these methods. An earlier developed method avoids the direct comparison of two images by ranking similarities to reference images and then determining the similarity of two faces by the similarity of their rank lists. This method is combined in this thesis with state-of-the-art neural networks to evaluate the value of rank lists and reference images, especially in the recent context. The results are demonstrated on the two datasets "Celebrities in Frontal-Profile" (CFP) and "Cross-Pose Labeled Faces in the Wild" (CPLFW) and with four different convolutional neural networks. In this bachelor thesis it could be shown that this combination, applied on CPLFW, is not significantly different than the most accurate neural network by its own. Additionally, two new methods were developed that can calculate the similarity of two rank lists in this context more accurately than all known methods from the literature. Furthermore, it was shown that in addition to the low ranks, i.e. similar reference persons, the high ranks, i.e. dissimilar reference persons, are also extremely informative about a person's identity.
Zusammenfassung Die Genauigkeit in der Gesichtserkennung, im Speziellen mit maschinellem Lernen und künstlichen neuronalen Netzwerken, erreichte in den letzten Jahren neue Rekorde. Die direkte Verifikation zweier Bilder mit Gesichter mit einem grossen Unterschied in der Ausrichtung, sind jedoch auch für diese Methoden immer noch eine grosse Herausforderung. Eine ältere Methode vermeidet den direkten Vergleich zweier Bilder, indem sie Ranglisten von Ähnlichkeiten zu Referenzbildern erstellt und die Ähnlichkeit zweier Gesichter dann durch die Ähnlichkeit deren Ranglisten bestimmt wird. Diese Methode wird in dieser Arbeit mit modernsten Neuronalen Netzwerken kombiniert um den Mehrwert der Ranglisten und Referenzbildern, insbesondere im aktuellen Kontext, zu evaluieren. Die Resultate werden auf den zwei Datensätzen "Celebrities in Frontal-Profile" (CFP) und "Cross-Pose Labeled Faces in the Wild" (CPLFW) und mit vier verschiedenen Neuronalen Netzwerken demonstriert. In dieser Bachelorarbeit konnte gezeigt werden, dass sich diese Kombination bei der Posen übergreifenden Verifikation auf dem CPLFW Datensatz nicht signifikant von dem genausten Neuronalen Netzwerk alleine unterscheidet. Ausserdem wurden zwei neue Verfahren entwickelt, welche die Ähnlichkeit zweier Ranglisten in diesem Zusammenhang genauer berechnen können, als alle bekannten Methoden aus der Literatur. Ferner wurde gezeigt, dass neben den tiefen Rängen, also ähnlichen Referenzpersonen speziell auch die hohen Ränge, also unähnliche Referenzpersonen am aussagekräftigsten über die Identität einer Person sind.
PDF File Download
Export BibTeX