由新加坡松下研究院的申省梅女士（西电杰出校友），新加坡国立大学学习与视觉组的颜水成教授所带领的团队在美国国家技术标准局（NIST）主办得IJB-A竞赛中再获佳绩。

开发出精确的和可扩展的无约束人脸识别算法，是生物识别和计算机视觉领域长期以来不断追求的目标。也是一项难度非常大的挑战，因为“无约束”需要人脸识别系统能在各种面部图像采集条件下（不同的光照、不同的传感器，以及是否进行了压缩），或者在被拍摄者各种主观条件下（面部的不同姿态、不同表情以及是否有遮挡），都能成功进行验证与识别。

为了促进非受限条件下的人脸识别，美国国家技术标准局（NIST）主办了IJB-A竞赛。去年，新加坡松下研究院与新加坡国立大学LV组获得了人脸验证（verification）与人脸辨认（identification）的双项冠军。今年，在团队的不断努力下，继续改进了所提出的冠军模型“深度迁移特征融合的联合学习框架”，并在联合学习框架中采用了异构多模型融合策略和双代理对抗生成网络的人脸多视角数据增强技术。使得算法在IJB-A数据上的性能又被刷到了历史新高。最终再次拿到目前已发表文章及arXiv技术报告中的最好性能。

该项目负责人新加坡松下研究院的研究工程师熊霖博士系智能感知与图像理解教育部重点实验室模式识别与智能系统专业2015届优秀毕业生，研究工程师徐炎系实验室2015届优秀毕业生。

具体的技术实现可参阅新智元专栏：http://mp.weixin.qq.com/s/s9H_OXX-CCakrTAQUFDm8g