[aMMAI] Paper Summary: Describable Visual Attributes for Face Verification and Image Search

Title: Describable Visual Attributes for Face Verification and Image Search

Author: Kumar, Berg, Belhumeur, Nayar

Publication: PAMI, 2011

這篇paper利用visual attribute來做Face Verification和Image Search。

所以是針對人臉的attribute來training。

Attribute: 在這邊的意思是可以用來描述圖片的label。例如: 性別、年記等

Face Verification: 比對兩張臉是不是同一個人。

Image Search: 輸入attribute找出特定的臉。(例如: 戴眼鏡的男人。)

因為傳統作法都是取low level feature作training，往往會形成高維的資料，且對人來說感覺上並不直觀。所以希望改成用attribute base來改善。

他們用了兩個不同的attribute-base:

1. Describable visual attributes: 就是上面描述的性別、年記之類的

2. Similes: 與某個參考的人做比較。

建立資料庫:

1. 從網路上蒐及圖片，人工做tag。

2. 做人臉校正。

3. 因為是請網路上的人去標tag，所以必須去做驗證，看準確度夠不夠。

下圖是training的架構圖。

Learning visual attribute:

1. 如果是二分法的(如性別)，就真對性別train一個classifier，如果非二分法的(如年紀)，就真對不同的年紀範圍train不同的classifier。
2. 選一些適當的low level feature進來。
3. 利用SVMs with RBF kernel做分類。

下圖是利用train出來的attribute跟simile classifier作face verification的步驟。

由實驗果看出來，attribute base classifier的確有不錯的performance

這篇paper的好處:

• Attribute對人來說比較直覺。
• feature維度比較低比較有效率。
• 有提供應用的方法。
• 提供了兩個tag好的dataset，” FaceTracer”，” PubFig”。