KappaFace:深い顔認識のための適応付加角度マージン損失【JST・京大機械翻訳】

Oinar Chingis; Le Binh M.; Woo Simon S.

プレプリント

J-GLOBAL ID：202202218165669487 整理番号：22P0276554

KappaFace:深い顔認識のための適応付加角度マージン損失【JST・京大機械翻訳】

KappaFace: Adaptive Additive Angular Margin Loss for Deep Face Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月18日プレプリントサーバーでの情報更新日： 2023年12月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

特徴学習は,大規模顔認識のために採用される広く使われている方法である。最近,大きなマージンソフトマックス損失法は,深い顔認識に関して著しい強化を実証した。これらの方法は,クラス内コンパクト性とクラス間多様性を強制するために固定正マージンを提案する。しかしながら,提案した方法の大部分は,クラス不均衡問題を考慮しないが,これは,深い顔認識モデルを開発するための実践における主要な挑戦である。深い顔モデルの一般化能力に大きく影響すると仮定した。この観察に触発されて,クラス困難と不均衡に基づく相対的重要性を調節するために,KappaFaceと呼ばれる新しい適応戦略を導入した。von Mises-Fisher分布のサポートにより,提案KappaFace損失は,ハード学習または低濃度クラスに対するマージンの大きさを強化でき,一方,対クラスに対してはそれを緩和できる。ポピュラーな顔ベンチマークで行った実験により,提案手法が最先端技術よりも優れた性能を達成することを実証した。【JST・京大機械翻訳】

, , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識

, ,

前のページに戻る