基于年龄掩码的跨年龄人脸识别

人脸特征随着年龄的增长会产生显著的类内差异，从而导致一般人脸识别模型的性能下降。为了减少年龄变化引起的类内差异，提出了一种基于年龄掩码的跨年龄人脸识别方法 AM-FPN(Age Mask Feature Pyramid Network)。首先通过FPN模型中自底向上的方式提取年龄和身份的混合特征，并将空间注意力机制（Spatial Attention,SA）嵌入到横向连接处，通过自顶向下的方式提取出更具有代表性的年龄特征。然后提出一种高效的年龄掩码分解模块，剔除混合特征中的年龄特征，从而得到纯净的身份特征。最后引入跨年龄域对抗、年龄估计和人脸识别的多任务联合训练策略，增强模型泛化效果。在FGNET、C-ALFW和ECAF人脸老化基准数据集上的识别效果显著优于目前先进的跨年龄人脸识别算法，充分证明了AM-FPN的先进性和有效性。