Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title Improved Face Recognition Through Image Perturbation
Organization Unit
Authors
  • Yun Wang
Supervisors
  • Manuel Günther
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2021
Abstract Text Face alignment is considered a crucial process in the pipeline of face recognition. However, to perform face alignment precisely is not an easy job. Günther et al. (2017) proposed AFFACT technique to train a network that is robust to facial misalignment, while the original work is for attribute classification problem. In this thesis, I apply the AFFACT technique to train a target face recognition model on AFFACT-perturbed images, and a baseline model on aligned images. The results of the two models are compared to show how AFFACT technique works for face recognition model. Furthermore, I put the emphasis on studying the image perturbation in the test stage. Single perturbations are experimented and combination of perturbations are searched by different optimization algorithms. To combine different perturbations, majority voting for the final predicted labels and averaging the predictions of probability are often used in different works. Combining the image similarities is also mentioned in previous research. In this thesis, I test the combination of perturbations by averaging the (weighted) features extracted from the perturbed images.
Zusammenfassung Die Gesichtsausrichtung gilt als ein entscheidender Prozess in der Pipeline der Gesichtserkennung. Die genaue Gesichtsausrichtung ist jedoch keine leichte Aufgabe. Günther et al. (2017) schlugen die AFFACT-Technik vor, um ein Netzwerk zu trainieren, das robust gegenüber Gesichtsfehlausrichtungen ist, während die ursprüngliche Arbeit für das Attributklassifizierungsproblem gilt. In dieser Arbeit wende ich die AFFACT-Technik an, um ein Zielgesichtserkennungsmodell auf AFFACT-gestörten Bildern und ein Basismodell auf ausgerichteten Bildern zu trainieren. Die Ergebnisse der beiden Modelle werden verglichen, um zu zeigen, wie die AFFACT-Technik für das Gesichtserkennungsmodell funktioniert. Darüber hinaus lege ich den Schwerpunkt auf die Untersuchung der Bildstörung in der Testphase. Einzelne Störungen werden experimentiert und Kombinationen von Störungen werden durch verschiedene Optimierungsalgorithmen gesucht. Um verschiedene Störungen zu kombinieren, werden in verschiedenen Arbeiten häufig Mehrheitsentscheidungen für die endgültigen vorhergesagten Labels und Mittelung der Wahrscheinlichkeitsvorhersagen verwendet. Das Kombinieren der Bildähnlichkeiten wird auch in früheren Forschungen erwähnt. In dieser Arbeit teste ich die Kombination von Störungen durch Mittelung der (gewichteten) Merkmale, die aus den gestörten Bildern extrahiert wurden.
PDF File Download
Export BibTeX