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。
顔属性が不明瞭で劣化するので,低品質顔データセットの認識は挑戦的である。マージンベース損失関数の進歩により,埋込み空間における顔の弁別性が向上した。さらに,以前の研究は,誤分類(ハード)例に対して,より重要度を割り当てるための適応損失の影響を研究した。本研究では,損失関数,すなわち画像品質における適応性の別の側面を紹介した。誤分類サンプルを強調する戦略は,それらの画像品質に従って調整されるべきであると主張する。特に,容易または硬質サンプルの相対的重要性は,試料の画質に基づくべきである。画像品質に基づく異なる困難のサンプルを強調する新しい損失関数を提案した。本手法は,画像品質を特徴ノルムで近似することにより適応マージン関数の形でこれを達成する。広範な実験は,著者らの方法,AdaFaceが,4つのデータセット(IJB-B,IJB-C,IJB-SおよびTinyFace)上の最先端の(SoTA)上の顔認識性能を改善することを示した。コードとモデルはhttps://github.com/mk minchul/AdaFace中で放出される。【JST・京大機械翻訳】
