초록
본 논문은 Disguised Faces in the Wild (DFW) 2018 챌린지에 대한 우리의 접근 방식을 설명합니다. 이 과제는 위장하거나 사기꾼으로 변장한 이미지들 중에서 사람의 신원을 확인하는 것입니다. 얼굴 인증의 중요성에 비추어 볼 때, 공통 플랫폼에서 다양한 방법들을 비교하는 것이 필수적입니다. 우리의 접근 방식은 VGG-얼굴 구조와 코사인 거리 지표를 기반으로 한 대조 손실(Contrastive loss)을 결합한 것입니다. 데이터 세트를 확장하기 위해 우리는 인터넷에서 추가 데이터를 수집했습니다. 실험 결과, 본 접근 방식이 DFW 데이터에서 효과적임을 보여주었습니다. 또한, DFW 데이터셋에 노이즈가 포함된 라벨의 추가 데이터를 더하면 네트워크의 일반화 성능 향상에도 도움이 됨을 입증하였습니다. 제안된 네트워크는 DFW 베이스라인보다 정확도가 27.13% 절대적으로 증가하였습니다.