خسارة الأوكتوبت: جعل التعرف على الوجه مقاومًا لدقة الصورة

تلعب دقة الصورة، أو بشكل عام جودة الصورة، دورًا جوهريًا في أداء أنظمة التعرف على الوجه الحديثة. ولحل هذه المشكلة، نقترح توليفًا جديدًا لخسارة الثلاثية الشهيرة، بهدف تحسين المقاومة تجاه تغير دقة الصورة من خلال عملية التحسين الدقيق (fine-tuning) لأنظمة التعرف على الوجه القائمة. وباستخدام خسارة الثماني (octuplet loss)، نستفيد من العلاقة بين الصور عالية الدقة ونسخها المُولّدة بشكل اصطناعي بدلالة أقل دقة، جنبًا إلى جنب مع معلومات الهوية المرتبطة بها. وقد أظهرت عمليات التحسين الدقيق لعدة طرق متطورة حديثًا باستخدام منهجيتنا أننا نستطيع رفع الأداء بشكل ملحوظ في مهام التحقق من الوجه عبر تباين الدقة (من دقة عالية إلى دقة منخفضة) على مجموعة متنوعة من البيانات، دون تفاقم ملحوظ في الأداء على المهام ذات الدقة العالية مقابل الدقة العالية. وقد حقق منهجنا، عند تطبيقه على شبكة FaceTransformer، دقة تحقق من الوجه تبلغ 95.12% على مجموعة بيانات XQLFW الصعبة، وبلغت 99.73% على قاعدة بيانات LFW. علاوة على ذلك، تحسّنت دقة التحقق من الوجه عند استخدام صور منخفضة الدقة مع بعضها البعض بفضل منهجيتنا. ونُعلن عن إتاحة الكود المصدري لتمكين التكامل السلس لخسارة الثماني في الأطر القائمة.