メタマイニングによる親族関係検証のための判別サンプルの抽出

親族関係検証は、与えられた顔画像のペア間に親族関係があるかどうかを判定することを目指しています。親族関係検証データベースは、不均衡なデータと共に生まれます。N組の肯定的な親族関係ペアを持つデータベースでは、自然にN(N-1)組の否定的なペアが得られます。限られた肯定的なペアを十分に活用し、十分な否定的なサンプルから識別情報を抽出する方法は未解決の問題です。この問題に対処するために、本論文では識別サンプルメタマイニング（Discriminative Sample Meta-Mining: DSMM）手法を提案します。既存の手法が通常固定された否定的なペアを使用してバランスの取れたデータセットを構築するのとは異なり、我々はすべての可能なペアを利用し、データから自動的に識別情報を学習することを提案します。具体的には、各反復で不均衡な訓練バッチとバランスの取れたメタ訓練バッチをサンプリングします。その後、バランスの取れたメタ訓練バッチ上でメタ勾配を使用してメタマイナーを学習します。最後に、学習したメタマイナーによって不均衡な訓練バッチ内のサンプルが再重み付けされ、親族関係モデルが最適化されます。広く使用されているKinFaceW-I、KinFaceW-II、TSKinFaceおよびCornell Kinshipデータセットでの実験結果により、提案手法の有効性が示されています。