Réseaux de neurones convolutifs guidés par des facteurs latents pour la reconnaissance faciale indépendante de l'âge

Bien que des progrès considérables aient été réalisés dans le domaine de la reconnaissance faciale, la reconnaissance faciale indépendante de l’âge (AIFR, age-invariant face recognition) reste un défi majeur dans les applications réelles des systèmes de reconnaissance faciale. La principale difficulté de l’AIFR provient du fait que l’apparence faciale subit des changements importants au fil du temps, dus au processus de vieillissement. Afin de relever ce défi, nous proposons un nouveau cadre de reconnaissance faciale profonde, conçu pour apprendre des caractéristiques faciales profondes invariantes par rapport à l’âge grâce à un modèle CNN soigneusement conçu. À notre connaissance, il s’agit de la première tentative visant à démontrer l’efficacité des réseaux de neurones convolutifs profonds (CNN) dans l’amélioration de l’état de l’art de l’AIFR. Des expérimentations étendues ont été menées sur plusieurs jeux de données publics dédiés au vieillissement facial (MORPH Album2, FGNET et CACD-VS) afin de montrer l’efficacité de notre modèle par rapport aux approches les plus avancées. Nous avons également vérifié la capacité de généralisation remarquable de notre modèle sur le célèbre jeu de données LFW.