MixFaceNets: 極めて効率的な顔認識ネットワーク

本論文では、非常に効率的で高スループットの顔認証モデルである MixFaceNets を提案します。このモデルは Mixed Depthwise Convolutional Kernels に着想を得ています。Label Face in the Wild (LFW)、Age-DB、MegaFace、および IARPA Janus Benchmarks IJB-B と IJB-C データセットを用いた広範な実験評価により、極めて低い計算複雑度を必要とするアプリケーションにおいて MixFaceNets の有効性が示されました。同じ計算複雑度（< 500M FLOPs）の条件下で、提案した MixFaceNets はすべての評価データセットにおいて MobileFaceNets を上回り、LFW では 99.60% の精度、AgeDB-30 では 97.05% の精度、MegaFace では FAR1e-6 条件下で 93.60% の TAR（True Acceptance Rate）、IJB-B では FAR1e-4 条件下で 90.94% の TAR、IJB-C でも FAR1e-4 条件下で 93.08% の TAR を達成しました。計算複雑度が 500M から 1G FLOPs の間である場合でも、提案した MixFaceNets はトップクラスのモデルと同等の結果を達成し、FLOPs 数や計算オーバーヘッドが大幅に少ないことを示しています。これは提案した MixFaceNets の実用的な価値を証明しています。すべての学習コード、事前学習済みモデル、および学習ログは以下の URL より公開されています: https://github.com/fdbtrs/mixfacenets。以上が翻訳内容です。ご確認ください。