VarGFaceNet: 효율적인 가변 그룹 합성곱 신경망을 이용한 경량 얼굴 인식

얼굴 인식을 위한 경량 네트워크의 판별력과 일반화 능력을 개선하기 위해, 우리는 효율적인 가변 그룹 컨볼루션 네트워크인 VarGFaceNet을 제안합니다. VarGNet은 작은 계산 비용과 블록 내부의 계산 강도 불균형 사이의 충돌을 해결하기 위해 가변 그룹 컨볼루션을 도입했습니다. 우리는 이 가변 그룹 컨볼루션을 사용하여 대규모 얼굴 식별을 지원하면서 계산 비용과 매개변수를 줄일 수 있는 네트워크를 설계하였습니다. 구체적으로, 네트워크 시작 부분에서 필수 정보를 보존하기 위해 헤드 설정(head setting)을 사용하였으며, 완전 연결층(fully-connected layer)의 매개변수를 줄이기 위한 특별한 임베딩 설정(embedding setting)을 제안하였습니다. 해석 능력을 향상시키기 위해, 우리는 각도 증류 손실(angular distillation loss)의 동등성을 사용하여 경량 네트워크를 안내하고, 재귀적 지식 증류(recursive knowledge distillation)를 적용하여 교사 모델과 학생 모델 간의 차이를 완화하였습니다. LFR (2019) 챌린지의 deepglint-light 트랙 우승은 우리의 모델과 접근 방식의 효과성을 입증합니다. VarGFaceNet의 구현은 곧 https://github.com/zma-c-137/VarGFaceNet에서 공개될 예정입니다.