Mehrere One-Shots zur Nutzung von Klassenbezeichnungsinformationen

Der One-Shot-Similarity (OSS) Kernel 3, 4 wurde kürzlich als Methode zur Steigerung der Leistung von Gesichtserkennungssystemen eingeführt. Gegebenen zwei Vektoren spiegelt ihr One-Shot-Similarity-Score (Abb. 1) die Wahrscheinlichkeit wider, dass jeder Vektor zur gleichen Klasse wie der andere Vektor gehört und nicht in einer Klasse definiert durch eine feste Menge von "negativen" Beispielen ist. In diesem Beitrag untersuchen wir, wie die One-Shot-Similarity dennoch von der Verfügbarkeit solcher Bezeichnungen profitieren kann. (a) Wir präsentieren ein System, das Identitäts- und Positionsinformationen nutzt, um die Leistung bei der Übereinstimmung von Gesichtsbildpaaren mit mehreren One-Shot-Werten zu verbessern; (b) wir zeigen, wie die Trennung von Pose und Identität zu besseren Gesichts­erkennungsraten bei unbeschränkten, "wilden" Gesichts­bildern führen kann; (c) wir erkunden, wie weit wir mit einem einzigen Beschreiber und verschiedenen Ähnlichkeitstests kommen können, im Gegensatz zu den beliebten Ansätzen mit mehreren Beschreibern; und (d) wir demonstrieren den Nutzen von gelernten Metriken für eine verbesserte One-Shot-Leistung.