Facial kinship verification with large age variation using deep linear metric learning

Abstract

Aparência facial afeta como os seres humanos interagem. É como os parentes são visualmente identificados para determinar como as interações sociais ocorrem. Humanos podem identificar relações de parentesco baseado-se apenas no rosto. Intrinsecamente, dar a capacidade de detectar relações de parentesco a computadores pode aumentar a utilidade dos mesmos em nossas sociedade. Esta pesquisa propôs uma metodo para o problema de verificação de parentesco com uma nova abordagem não-contextual usando um conjunto de dados com grande variação de idade, aplicando nosso método proposto de Aprendizagem Métrica Linear Profunda (DLML). Nosso método aproveita várias arquiteturas de aprendizado profundo treinadas com conjuntos de dados faciais massivos. O conhecimento adquirido em tarefas tradicionais de reconhecimento facial é adaptado para alimentar um modelo linear de aprendizagem métrica. O método proposto foi capaz de alcançar um desempenho melhor do que outros métodos de verificação de parentesco com contexto em testes que são mais difíceis do que os usados em métodos anteriores com o conjunto de dados do banco de dados do UB Kinface. Os resultados mostram que nosso método pode usar o conhecimento de arquiteturas de aprendizagem profunda treinadas para realizar tarefas de reconhecimento facial com grandes conjuntos de dados para resolver a verificação de parentesco no banco de dados UB Kinface com robustez a grandes diferenças de idade presentes no conjunto de dados. Nosso método também oferece aplicabilidade aprimorada quando comparado a métodos anteriores em situações do mundo real, porque elimina a necessidade de saber/detectar e tratar grandes variações de idade para realizar a verificação de parentesco.