SphereFace: 얼굴 인식을 위한 깊은 초구면 임베딩

본 논문은 오픈셋 프로토콜 하에서 깊은 얼굴 인식(FR) 문제를 다루며, 이론적으로 적절한 메트릭 공간에서 동일 클래스 내의 최대 거리가 다른 클래스 간의 최소 거리보다 작아야 하는 얼굴 특징을 갖추어야 한다고 기대됩니다. 그러나 기존 알고리즘 중 이러한 기준을 효과적으로 달성하는 것이 거의 없습니다. 이를 해결하기 위해, 우리는 컨볼루션 신경망(CNNs)이 각도별로 구분 가능한 특징을 학습할 수 있도록 하는 각도 소프트맥스(A-Softmax) 손실 함수를 제안합니다. 기하학적으로, A-Softmax 손실 함수는 초구면 다양체(hypersphere manifold) 상에 구분적인 제약 조건을 부과하는 것으로 볼 수 있으며, 이는 얼굴 역시 다양체 상에 존재한다는 사전 지식(prior)과 본질적으로 일치합니다. 또한, 각도 마진(angular margin)의 크기는 매개변수 $m$을 통해 정량적으로 조정될 수 있습니다. 우리는 특정 $m$ 값을 도출하여 이상적인 특징 기준을 근사하였습니다. Labeled Face in the Wild(LFW), Youtube Faces(YTF), MegaFace Challenge 등의 광범위한 분석 및 실험 결과를 통해 A-Softmax 손실 함수의 얼굴 인식 작업에서 우수성을 입증하였습니다. 또한 해당 코드는 공개되어 있습니다.