基于生成对抗技术的可见光到近红外人脸图像转换技术

在光照条件不佳的情况下,红外图像可以更加清晰的显示人脸信息。针对现实中经常出现跨域人脸识别的情况,论文对可见光到近红外跨域的人脸识别技术进行探索和研究,提出了一种改进的基于对抗生成网络的近红外到可见光人脸图像转换技术。对循环对抗生成网络的生成器部分进行改进,增加人脸类别鉴别分支,从而添加人脸鉴别属性约束,使其生成的图像能够更加有效的保留人脸鉴别信息,同时在生成器网络末端引入了非局部算法,使得模型自动关注人脸关键部位,提高跨域人脸识别图像的生成质量。为保证训练得到有效映射,在网络规模较大时,提出了循环一致性损失。实验表明,文中方法在公开的数据集上的性能有所提升。