深層畳み込みニューラルネットワーク（CNN）は、近年顔認識（FR）の性能を大幅に向上させました。現在のFRにおける几乎所有のCNNは、多数の個人が慎重にラベリングされたデータセットで訓練されています。しかし、このような高品質なデータセットを収集することは非常にコストがかかり、多くの研究者が最先端の性能を達成するのを制限しています。本論文では、差別的な顔特徴を学習するためのフレームワークであるSeqFaceを提案します。従来の個人識別トレーニングデータセットだけでなく、SeqFaceはビデオから収集された大量の顔シーケンスを含む追加データセットを使用してCNNを訓練することができます。さらに、ラベル平滑化正則化（LSR）と新規に提案された差別的シーケンスエージェント（DSA）損失が用いられ、シーケンスデータを十分に活用することで深層顔特徴の差別力を強化します。当手法は単一のResNetを使用してLabeled Faces in the Wild (LFW) および YouTube Faces (YTF) において優れた性能を達成しました。コードとモデルはオンラインで公開されています (https://github.com/huangyangyu/SeqFace)。以上が翻訳した内容です。ご確認ください。