Adversariale, Okklusion-bewusste Gesichtserkennung

Die Erkennung von verdeckten Gesichtern ist eine herausfordernde Aufgabe der Objekterkennung aufgrund der großen Erscheinungsunterschiede, die durch verschiedene reale Verdeckungen entstehen. In dieser Arbeit wird ein adversariales, verdeckungsbewusstes Gesichtserkennungssystem (Adversarial Occlusion-aware Face Detector, AOFD) vorgestellt, das gleichzeitig verdeckte Gesichter erkennt und verdeckte Bereiche segmentiert. Insbesondere verwenden wir eine adversariale Trainingsstrategie, um verdeckungsähnliche Gesichtsmerkmale zu generieren, die für ein Gesichtserkennungssystem schwer zu erkennen sind. Während der Erkennung von verdeckten Gesichtern wird auch ein Verdeckungsmasken vorhergesagt, wobei der verdeckte Bereich als Hilfsinformation und nicht als Hindernis genutzt wird. Darüber hinaus werden die Überwachungssignale aus dem Segmentierungsast in umgekehrter Richtung auf die Merkmale wirken, was bei der Erkennung stark verdeckter Gesichter hilfreich ist. Folglich ist AOFD in der Lage, Gesichter mit wenigen sichtbaren Merkmalspunkten mit sehr hoher Zuverlässigkeit zu erkennen und behält eine hohe Detektionsgenauigkeit auch bei maskierten Gesichtern. Umfangreiche Experimente zeigen, dass AOFD nicht nur erheblich bessere Ergebnisse als state-of-the-art-Methoden auf dem MAFA-Datensatz zur Erkennung von verdeckten Gesichtern erzielt, sondern auch wettbewerbsfähige Detektionsgenauigkeiten auf Standarddatensätzen für allgemeine Gesichtserkennung wie FDDB erreicht.