抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大規模な顔認識のためのDeep Convolution Neural Network(DCNNs)を用いた特徴学習における主要な課題の一つは,識別力を高めることができる適切な損失関数の設計である。中心損失は,クラス内コンパクト性を達成するために,ユークリッド空間における深い特徴とそれらの対応するクラス中心の間の距離をペナルティ化する。SphereFaceは,最後の完全接続層における線形変換行列を,角度空間におけるクラス中心の表現として用いることができ,したがって,乗法的方法において,深い特徴とそれらの対応する重みの間の角度をペナルティ化することを仮定した。最近では,顔クラス分離性を最大化するために,確立された損失関数におけるマージンを組み込むことが盛んに研究されている。本論文では,顔認識のための高度に識別可能な特徴を得るための付加的角度マージン損失(ArcFace)を提案した。提案したArcFaceは,超球上の測地線距離への正確な対応により,明確な幾何学的解釈を持つ。著者らは,ペアのトリlliと大規模ビデオデータセットを有する新しい大規模画像データベースを含む10の顔認識ベンチマークに関するすべての最近の最先端の顔認識方法に対する最も広範な実験的評価を提示した。ArcFaceは一貫して芸術の状態を上回り,無視できる計算オーバーヘッドで容易に実装できることを示した。将来の研究を容易にするために,コードを利用できた。Copyright 2020 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】