基于对抗判别域适应的近红外与可见光异质人脸识别

摘要

本文从对抗判别域适应的角度出发,利用无监督学习的方法缩小双模态图像之间的模态差异,提出了一种基于对抗判别域适应的近红外与可见光异质人脸识别方法.首先,联合交叉熵和中心损失函数预训练了一个基于卷积神经网络的可见光人脸识别网络,赋予网络强的鉴别能力.其次,利用对抗损失对抗地训练了一个网络结构一致的近红外人脸识别网络,使得两个网络提取的特征的数据分布一致,从而缩小模态之间的鸿沟.最后,利用前一个网络提供的先验知识输出另一模态图像的后验概率.实验结果显示提出的算法在不需要近红外人脸图像的标签信息和大规模的训练集的情况下,表现出了优良的性能.