초록
본 논문은 얼굴 인식을 위한 고성능 딥 컨볼루션 네트워크(DeepID2+)를 설계합니다. 이 모델은 식별-확인 감독 신호를 통해 학습됩니다. 은닉 표현의 차원을 증가시키고 초기 컨볼루션 계층에 감독을 추가함으로써, DeepID2+는 LFW와 YouTube Faces 벤치마크에서 새로운 최고 성능을 달성하였습니다. 경험적 연구를 통해, 고성능을 위해 딥 신경망 활성화의 세 가지 중요한 특성을 발견하였습니다: 희소성, 선택성, 그리고 강건성.(1) 신경망 활성화가 중등도로 희소하다는 것을 관찰할 수 있었습니다. 중등도의 희소성이 딥 넷의 구분력과 이미지 간 거리를 최대화시킵니다. 놀랍게도, 신경 반응이 이진화된 후에도 DeepID2+는 여전히 높은 인식 정확도를 달성할 수 있었습니다.(2) 더 높은 계층의 신경세포들은 개인 및 개인 관련 속성에 대해 매우 선택적입니다. 서로 다른 개인이나 속성이 존재할 때 항상 활성화되거나 억제되는 서로 다른 신경세포 집합을 식별할 수 있습니다. DeepID2+가 훈련 중 속성을 구분하도록 가르쳐지지 않았음에도 불구하고, 이러한 고차원 개념들을 암묵적으로 학습하였습니다.(3) 훈련 세트에 가림 패턴이 포함되지 않았음에도 불구하고, DeepID2+는 가림에 대해 훨씬 더 강건합니다.