Stacked Progressive Auto-Encoders(SPAE) for Face Recognition Across Poses

• 2014CVPR
• 为人脸识别跨姿态设计的堆叠渐进式 Auto Encoder

所做工作

• 堆叠浅层的渐进自动编码器，将大角度姿态矫正划分为多个更小的姿态矫正模型。堆叠多个浅层编码器逐步将非正面人脸转为正脸。
• 最靠近顶端隐藏层的 stacked network 包含更小的姿态变化，它可以为人脸识别提供 pose-rubust 特征。
• 通过堆叠渐进式编码器，迫使网络 layer by layer 的接近最终目标。

Stacked Progressive Auto-Encoders (SPAE)

1.Auto-Encoder (AE)

auto-encoder neural network 由[1]中提出，本文中使用 MSE 作为代价函数，使用梯度下降算法对其进行优化。公式如下：

$$   \left[\mathbf{W}^{*}, \mathbf{b}^{*}, \hat{\mathbf{W}}^{*}, \hat{\mathbf{b}}^{*}\right]=\underset{\mathbf{W}, \mathbf{b}, \hat{\mathbf{w}}, \hat{\mathbf{b}}}{\arg \min } \sum_{i=1}^{N}\left\|\mathbf{x}_{i}-\mathbf{g}\left(\mathbf{f}\left(\mathbf{x}_{i}\right)\right)\right\|_{2}^{2} $$

2. Motivation and basic idea of SPAE

跨尺度人脸识别任务，很多工作尝试去建立正脸和非正脸的非线性转换模型。而大多数成功的工作是利用3D人脸模型来表征非线性特征的，但在恢复3D人脸模型时有很多困难。备选方案是直接从2D非正脸图像直接恢复2D正脸图像。深度学习利用其强大的非线性表征能力实现了这个目标，例如AE被认为是可行的非线性回归编码器。增加隐藏层可以增加非线性，即Deep AE。

如图2，如果将正脸和侧脸，直接作为DAE输入，更高的非线性会造成更大的搜索区域。尤其是在训练样本不足的情况，DAE会陷入局部最小值。

另一方面，如果人为的给出“里程碑”的点，这将需要更少的非线性和跟小的搜索区域。从这个意义上讲，SPAE可以更好的避免局部最小值。

上图中每一个“里程碑”都是一个DAE，整体组成SPAE。SPAE逐渐的缩小姿势变换的范围， 从而引入了姿势鲁棒性特征以进一步识别人脸。

结果对比

分别在MultiPIE和FERET数据集上进行试验，结果对比如下。

效果如下：

参考文献

• [1] Y. Bengio. Learning deep architectures for ai. Foundations and trends in Machine Learning, 2(1):1–127, 2009.
  $$