AdaCos: アダプティブにスケーリングされたコサインロジットを用いた深層顔表現の効果的な学習

コサインベースのソフトマックス損失とその変種は、ディープラーニングを基にした顔認識において大きな成功を収めています。しかし、これらの損失関数におけるハイパーパラメータ設定は、最適化パスや最終的な認識性能に大きな影響を与えます。手動でこれらのハイパーパラメータを調整することは、ユーザの経験に大きく依存し、多くの訓練テクニックが必要となります。本論文では、コサインベースのソフトマックス損失の2つの重要なハイパーパラメータであるスケールパラメータと角度余裕パラメータが、予測される分類確率をどのように調節するかを分析することで、それらの効果を深く検討します。この分析に基づいて、我々はハイパーパラメータフリーであり、訓練過程中に自動的に訓練監督を強化する適応的なスケールパラメータを利用する新しいコサインベースのソフトマックス損失、AdaCos（アダコス）を提案します。提案されたAdaCos損失をLFW、MegaFace、IJB-C 1:1 Verificationなどの大規模な顔認証および識別データセットに適用しました。結果は、AdaCos損失を使用して深層ニューラルネットワークを訓練すると安定しており、高い顔認識精度が達成できることを示しています。我々の方法は、これら3つのデータセットすべてで最先端のソフトマックス損失を超える性能を発揮しました。