얼굴 인증 및 식별을 위한 템플릿 적응

얼굴 인식 성능 평가는 전통적으로 Labeled Faces in the Wild 데이터셋을 통한 이미지와 YouTubeFaces 데이터셋을 통한 비디오의 일대일 검증에 중점을 두어 왔습니다. 반면, 최근 발표된 IJB-A 얼굴 인식 데이터셋은 주제에 대한 이미지와 비디오 집합(템플릿)에서 일대다 얼굴 식별과 일대일 얼굴 검증을 통합하여 평가합니다. 본 논문에서는 템플릿 내 미디어 집합에 대한 전이 학습 형태인 템플릿 적응 문제를 연구합니다. IJB-A에서의 광범위한 성능 평가는 놀라운 결과를 보여주는데, 가장 간단한 템플릿 적응 방법 중 하나인 딥 컨볼루션 네트워크 특성과 템플릿별 선형 SVM을 결합하는 방법이 최신 기술보다 크게 우수함을 입증하였습니다. 우리는 템플릿 크기, 부정 샘플 집합 구성 및 분류기 융합의 효과를 연구한 후, 템플릿 적응과 메트릭 학습, 2D 및 3D 정렬을 비교합니다. 우리의 예상치 못한 결론은 이러한 다른 방법들이 템플릿 적응과 결합될 때 모두 IJB-A에서 템플릿 기반 얼굴 검증 및 식별에 거의 동일한 최고 성능을 달성한다는 것입니다.