质量自蒸馏识别模型

低质图像识别提升

通过质量感知特征精炼，在不增加部署开销的前提下显著提升人脸识别与行人再识别的性能。

Fu-Zhao, Ou · Xingyu, Chen · 赵凯 · 王诗琪 · 王员根 · Kwong, Sam

IEEE Transactions on Multimedia 2024

技术优势

无额外部署开销

框架可集成到现有损失函数和网络架构中，推理阶段不增加任何计算量。

跨任务泛化强

同时在人脸识别和行人再识别两个任务上验证有效，展现出良好的泛化能力。

应用场景

• 低质量人脸识别：提升监控、移动端等低质量人脸图像的识别准确率，减少因图像模糊、遮挡导致的误识。
• 行人再识别：在跨摄像头追踪中，对低分辨率、遮挡的行人图像保持稳定识别，提高检索命中率。
• 监控视频分析：直接处理监控视频中的低质量帧，无需额外图像复原步骤，提升分析实时性和准确性。
• 移动端生物识别：在计算资源受限的设备上，不增加推理开销即可提升低质量人脸/生物特征识别的鲁棒性。
• 机器人视觉感知：使机器人在光照变化、运动模糊等低质量视觉输入下仍能可靠识别目标，增强环境适应性。