要約
過去10年間、特徴表現学習と距離計量学習の急速な発展が見られ、これらの2つのステップはしばしば別々に議論されてきました。本研究では、それらの相互作用を探究するために、DARI（Distance metric And Representation Integration：距離計量と表現統合）と呼ばれるエンドツーエンド学習フレームワークを提案し、その有効性を人物認証という困難なタスクにおいて検証しています。訓練画像にラベルが付与されていることを前提に、まず多数のトリプレットユニットを生成します。各トリプレットユニットには3枚の画像が含まれており、すなわち1人の人物とそのマッチング/非マッチング参照画像です。各トリプレットユニットに対して、マッチングペアと非マッチングペアの距離差が最大化されるようにします。この目的を達成するために、深層畳み込みニューラルネットワークの構造を構築しました。特に、マハラノビス距離行列は自然に最上位の全結合層として分解され、他の下位層で表される画像特徴とシームレスに統合されます。これにより、画像特徴と距離計量が一回の逆伝播によって同時に最適化されることが可能となります。複数の公開データセットにおいて、DARIは様々な課題に対しカメラ間での個人再識別において非常に有望な性能を示しており、他の最先端手法を上回っています。