文献

J-GLOBAL ID：202202236738690454   整理番号：22A0554140

強化顔:深い顔認識のための適応型重み付きソフトマックス損失【JST・京大機械翻訳】

EnhanceFace: Adaptive Weighted SoftMax Loss for Deep Face Recognition

著者 (4件)： Wang Jiaqi (School of Mathematics and Statistics, Henan University, Kaifeng, China) ,  Zheng Chen (School of Mathematics and Statistics, Henan University, Kaifeng, China) ,  Yang Xiaohui (School of Mathematics and Statistics, Henan University, Kaifeng, China) ,  Yang Lijun (School of Mathematics and Statistics, Henan University, Kaifeng, China)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 29  ページ： 65-69  発行年： 2022年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  資料種別： 逐次刊行物 (A)
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： 損失関数は顔認識の分野において重要な話題であるが,マージンベースの損失関数は識別可能性を強化するための最も有用な方法の1つである。最近,標本を容易でハードなものに分割する方法は,異なる訓練段階でこれら2つの部分を強調することにより,マージンベースの損失関数を効果的に最適化する。しかし,ハード試料は,容易に誤分類できるだけでなく,間違ったラベル付けされたサンプルも,個人内変動を含む。それらの差異を捉え,区別するために,顔認識の精度を改善するために,このレターにおける新しい適応加重損失関数を用いて,EnhanceFace法を提案した。最初に,この方法は硬質試料を半硬くて硬い試料に分割する。次に,新しい損失関数を開発し,訓練プロセスの間,半硬質サンプルとより硬いサンプルの両方に対して対応する重みを適応的に調整した。この新しい損失関数により,それらの効果は,それらの重要性に従って良くバランスできる。EnhanceFace法を,異なる一般的なベンチマークで試験した。最後に,他の最先端の方法と比較して,実験結果によってより良い性能を示した。Copyright 2022 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： 最適化 ,  損失関数 ,  精度 ,  認識 ,  *顔 ,  硬質 ,  ベンチマーク
準シソーラス用語： *顔貌認識 ,  個人内変動 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 強化 ,  顔認識 ,  ソフト ,  損失