Octuplet Loss: Gesichtserkennung robuster gegenüber Bildauflösung machen

Die Bildauflösung beziehungsweise im Allgemeinen die Bildqualität spielt eine entscheidende Rolle für die Leistung heutiger Gesichtserkennungssysteme. Um dieses Problem anzugehen, schlagen wir eine neuartige Kombination des etablierten Triplet-Loss vor, um die Robustheit gegenüber unterschiedlichen Bildauflösungen durch Feinabstimmung bestehender Gesichtserkennungsmodelle zu verbessern. Mit dem Octuplet-Loss nutzen wir die Beziehung zwischen hochauflösenden Bildern und ihren synthetisch herabgesampelten Varianten gemeinsam mit ihren Identitätslabels. Die Feinabstimmung mehrerer state-of-the-art Ansätze mit unserer Methode zeigt, dass wir die Leistung bei der Gesichtsverifikation über verschiedene Auflösungen (hoch-zu-niedrig) erheblich steigern können, ohne die Leistung bei hoch-zu-hoch-Auflösung signifikant zu verschlechtern. Anwendung unserer Methode auf das FaceTransformer-Netzwerk erreicht eine Gesichtsverifikationsgenauigkeit von 95,12 % auf dem anspruchsvollen XQLFW-Datensatz und 99,73 % auf der LFW-Datenbank. Darüber hinaus profitiert auch die Verifikation bei niedrig-zu-niedrig-Auflösung von unserer Methode. Wir veröffentlichen unseren Code, um eine nahtlose Integration des Octuplet-Loss in bestehende Frameworks zu ermöglichen.