自动人脸识别(误判率)是一种越来越受欢迎的计算机技术研究领域。广泛适用于日常生活中,与使用,如访问控制系统,智能监控系统、人机交互系统、安全驾驶系统。在未来将会有更多的潜在的应用需要一个完全可靠的误判率系统。因此,误判率系统必须的技术更加成熟,以在实践中被广泛使用。

误判率是模式识别领域的一个具有挑战性的任务。在过去的几十年里,误判率技术取得了重大的研究成果,可分为三类:基于图像的强度算法,基于视频的算法,和3 d面部信息算法。然而,仍有许多实际应用中面临的挑战。低分辨率的自然因素,表情和光照变化,构成变化和遮挡将减少面部识别精度。此外,还有面部表情识别在人机交互的挑战,电子健康和安全驾驶系统。也有人脸识别相关问题潜在的计算机器,如嵌入式系统,GPU的服务器,以有限的资源和系统。为了解决这些问题,使误判率系统更可靠,进一步的研究是必要的。

这个特殊问题的目的是为研究人员提供一个平台来研究和开发新型自动人脸识别方法。它的目标是目前最先进的自动人脸识别相关理论和发展新方法和应用程序来提高人脸识别精度在不同的场景。我们也打算提出创新的机器学习在人脸识别中的应用和调查该领域的最新进展。最初的研究和评论文章是受欢迎的。

潜在的主题包括但不限于以下:

• 自动人脸识别、检测和跟踪
• 面描述
• 脸识别属性(包括年龄和性别)
• 面对重建
• 面对解析
• 面部表情识别
• 机器学习、深入学习、持续学习的自动人脸识别
• 变压器自动人脸识别的神经网络
• 转移学习,多任务学习,学习跨域特性,强化学习在自动人脸识别