SeqFace: 얼굴 인식을 위해 시퀀스 정보를 최대한 활용하기

심층 합성곱 신경망(CNNs)은 최근 몇 년 동안 얼굴 인식(FR) 성능을 크게 향상시켰습니다. FR에서 사용되는 거의 모든 CNNs는 많은 수의 정체성을 포함하는 정교하게 라벨링된 데이터셋으로 훈련됩니다. 그러나 이러한 고품질 데이터셋을 수집하는 것은 매우 비싸기 때문에, 많은 연구자들이 최신 성능을 달성하는 데 제약을 받고 있습니다. 본 논문에서는 차별적인 얼굴 특징을 학습하기 위한 프레임워크인 SeqFace를 제안합니다. 전통적인 정체성 훈련 데이터셋 외에도, SeqFace는 비디오에서 수집된 대량의 얼굴 시퀀스가 포함된 추가 데이터셋을 사용하여 CNNs를 훈련할 수 있습니다. 또한, 시퀀스 데이터를 충분히 활용하여 심층 얼굴 특징의 차별력을 강화하기 위해 라벨 스무딩 규제(LSR)와 새롭게 제안된 차별적 시퀀스 에이전트(DSA) 손실 함수가 적용되었습니다. 우리의 방법은 단일 ResNet만으로 Labeled Faces in the Wild(LFW), YouTube Faces(YTF)에서 우수한 성능을 보였습니다. 코드와 모델은 온라인에서 공개적으로 이용 가능합니다(https://github.com/huangyangyu/SeqFace).