DeepVisage: 顔認識を単純化しつつ、強力な汎化能力を持つ

顔認識（Face Recognition: FR）手法は、畳み込みニューラルネットワーク（Convolutional Neural Network: CNN）を基にした学習方法を採用することで、著しい性能向上を報告しています。CNNは主にソフトマックス損失の最適化によって訓練されることが多くありますが、最近の傾向では、異なる損失関数を使用したタスク固有のCNN学習、対象データセットでの微調整、計量学習、および複数のCNNからの特徴量の連結などの異なる戦略により精度が向上することが示されています。これらのタスクを取り入れることは显然に追加の努力を必要とします。さらに、それはアイデンティティラベルのみで訓練された効率的なCNNモデルの発見を阻害する可能性があります。この事実に焦点を当て、当研究では簡単に訓練でき、単一のCNNに基づいたFR手法を提案します。私たちのCNNモデルは残差学習フレームワークを利用しており、さらに正規化された特徴量を使用して損失を計算します。我々が行った広範な実験は異なるデータセット上で優れた汎化能力を示しており、LFW、IJB-A、YouTube Faces および CACD データセットにおいて非常に競争力のある最先端の結果を得ています。