文献

J-GLOBAL ID：201902256408888092   整理番号：19A2177415

強化エッジ余弦損失関数と残留ネットワークに基づく顔認識法【JST・京大機械翻訳】

Face Recognition Method Based on Enhanced Edge Cosine Loss Function and Residual Network

著者 (6件)： Nan Wang (Guangdong Institute of Intelligent Manufacturing, Guangzhou, 510070, China) ,  Zhigang Zhou (Guangdong Institute of Intelligent Manufacturing, Guangzhou, 510070, China) ,  Jingqi Ma (Guangdong Institute of Intelligent Manufacturing, Guangzhou, 510070, China) ,  Huan Lei (Guangdong Institute of Intelligent Manufacturing, Guangzhou, 510070, China) ,  Junyi Li (Guangdong Science and Technology Basic Condition Platform Center, 510033, China) ,  Zhenyu Zhong (Guangdong Institute of Intelligent Manufacturing, Guangzhou, 510070, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CCDC  ページ： 3320-3324  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 現在,深い畳込みニューラルネットワーク(CNN)における損失関数は,顔特徴を理想的特徴分類基準に達することができない。すなわち,クラス間差を最大にし,クラス内差を最小化する。したがって,強化エッジ余弦損失関数(EECL)と結合残差ネットワーク(ResNet)に基づく顔認識法を提案した。本論文で使用したRestNetはEECLに基づいている。余弦決定境界を正規化し最大化することにより,クラス間差の最大化とクラス内差の最小化をより効果的に実現し,判別能力を強化し,顔特徴をより識別可能にし,顔の認識率を改善した。多数の解析と実験的検証を通して,提案方法は,Wild(LFW)顔データセットにおけるラベル付き顔に関する99.40%の顔認識精度,MegaFace顔認識タスクにおける72.602%と85.420%,および顔検証タスクを有して,この方法の有効性を示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  有効性 ,  *損失関数 ,  正規化 ,  残差
準シソーラス用語： 認識精度 ,  認識率 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 強化 ,  エッジ ,  損失関数 ,  残留 ,  顔認識