摘要
在非受限环境下的面部识别仍是当前研究中的一个持续挑战。尽管姿态变化、低分辨率等影响因素已受到广泛关注，但“伪装”（disguise）被视为面部识别中尤为棘手的干扰因素之一。其主要原因在于缺乏大规模且具有代表性的带标签数据集，同时缺乏能够在复杂环境下有效应对多种干扰因素的算法。为解决伪装条件下的人脸识别问题，本文提出了一种名为A2-LINK的主动学习框架。该框架以一个预训练的人脸识别机器学习模型为基础，智能地从目标域中选择最具信息量的样本进行人工标注，并通过引入混合噪声（如对抗性噪声）对模型进行微调，使其在存在或不存在伪装的情况下均能保持良好性能。实验结果表明，该框架在DFW和DFW2019数据集上，结合当前最先进的深度特征提取模型（如LCSSE、ArcFace和DenseNet），展现出优异的识别效果与良好的泛化能力。