本論文では、Disguised Faces in the Wild (DFW) 2018 チャレンジに対するアプローチを説明します。本課題は、変装や詐称者の画像の中から個人の同一性を確認することです。顔認証の重要性を考えると、共通のプラットフォームで手法を比較することが不可欠です。我々のアプローチは、VGG-face アーキテクチャとコサイン距離に基づくコントラスティブ損失を組み合わせたものです。データセットの拡張のために、インターネットから追加のデータを取得しました。実験結果は、DFW データに対して本アプローチが有効であることを示しています。また、ノイジーなラベルを持つ追加データを DFW データセットに加えることで、ネットワークの汎化性能が向上することも示しました。提案されたネットワークは、DFW ベースラインに対して精度を 27.13% 絶対的に向上させています。