基于Transformer的跨年龄人脸识别方法

人脸特征随着年龄变化而变化，会严重影响人脸识别的性能。提出一种基于Transformer的跨年龄人脸识别方法，首先通过改善的T2T-ViT模型提取人脸年龄和身份混合特征，然后通过残差因子分解获取人脸年龄特征和身份特征，再使用线性特征分解的去相关对抗式学习算法对人脸的年龄特征和身份特征去除相关性，从而实现年龄抗干扰性的人脸识别。相比基于卷积神经网络的DAL和MTLFace方法，所提方法在参数量、multiply-add operations(MACs)和计算耗时上均有明显降低，同时在基准数据集AgeDB-30、CACD＿VS、CALFW、LFW上取得了相媲美的准确率，证明了所提方法的有效性。