Latent Factor-gesteuerte Faltungsneuronale Netze für altersunabhängige Gesichtserkennung

Obwohl erhebliche Fortschritte bei der Gesichtserkennung erzielt wurden, stellt die altersunabhängige Gesichtserkennung (AIFR) weiterhin eine zentrale Herausforderung für den Einsatz von Gesichtserkennungssystemen in der Praxis dar. Die Hauptursache hierfür liegt in der Tatsache, dass sich das äußere Erscheinungsbild eines Gesichts im Laufe der Zeit aufgrund des Alterungsprozesses erheblich verändert. Um dieses Problem anzugehen, schlagen wir einen neuartigen tiefen Gesichtserkennungsansatz vor, der altersunabhängige tiefe Gesichtsmerkmale durch ein sorgfältig entworfenes CNN-Modell lernt. So weit uns bekannt ist, handelt es sich hierbei um den ersten Versuch, die Wirksamkeit tiefer CNNs bei der Weiterentwicklung des Standes der Technik in der AIFR zu demonstrieren. Um die Effektivität des vorgeschlagenen Modells gegenüber dem aktuellen Stand der Technik nachzuweisen, wurden umfangreiche Experimente auf mehreren öffentlichen Datensätzen zum Gesichtsalterungsverhalten (MORPH Album2, FGNET und CACD-VS) durchgeführt. Zudem bestätigen wir die hervorragende Verallgemeinerungsfähigkeit unseres neuen Modells am bekannten LFW-Datensatz.