摘要
图像分辨率，或更广泛地讲图像质量，在当今人脸识别系统性能中起着至关重要的作用。为解决这一问题，我们提出了一种新颖的方法，通过在现有人脸识别模型上进行微调，结合流行的三元组损失（triplet loss）以提升模型对图像分辨率变化的鲁棒性。在此基础上，我们引入八元组损失（octuplet loss），充分利用高分辨率图像与其合成下采样版本之间的关系，同时结合它们的身份标签信息。通过在多个前沿方法上应用该策略进行微调，实验结果表明，我们的方法在跨分辨率（高分辨率到低分辨率）人脸识别验证任务中显著提升了性能，同时并未明显降低高分辨率到高分辨率图像之间的识别表现。将该方法应用于FaceTransformer网络，在具有挑战性的XQLFW数据集上实现了95.12%的识别准确率，而在LFW数据库上更是达到了99.73%的准确率。此外，低分辨率到低分辨率的人脸验证性能也得到了明显改善。我们已公开相关代码，以便于将八元组损失无缝集成到现有深度学习框架中。