Git Loss for Deep Face Recognition 딥 페이스 인식을 위한 Git 손실 함수

컨벌루션 신경망(CNNs)은 얼굴 인식 및 검증과 같은 컴퓨터 비전 작업에서 널리 사용되어 왔으며, 차별화된 딥 피처를 포착하는 능력으로 인해 최신 성능을 달성하였습니다. 전통적으로, CNNs는 분류 손실을 제재하기 위해 소프트맥스를 감독 신호로 사용하여 훈련되었습니다. 딥 피처의 차별화 능력을 더욱 강화하기 위해, 우리는 소프트맥스와 센터 손실 함수를 활용한 공동 감독 신호인 Git 손실(Git loss)을 소개합니다. 우리의 손실 함수의 목적은 클래스 내 변동성을 최소화하고 클래스 간 거리를 최대화하는 것입니다. 이러한 딥 피처의 최소화와 최대화는 얼굴 인식 작업에 이상적이 것으로 여겨집니다. 우리는 두 개의 유명한 얼굴 인식 벤치마크 데이터셋에서 실험을 수행하여, 제안된 손실 함수가 서로 다른 정체성의 딥 얼굴 피처 사이에서 최대 분리성을 달성하며, Labeled Faces in the Wild (LFW)와 YouTube Faces (YTF)라는 두 주요 얼굴 인식 벤치마크 데이터셋에서 최신 정확도를 기록함을 보여주었습니다. 그러나 주목해야 할 점은 Git 손실의 주요 목표가 서로 다른 정체성의 딥 피처 사이에서 최대 분리성을 달성하는 것이라는 것입니다.