#441
summarized by : Shintaro Yamamoto
R3 Adversarial Network for Cross Model Face Recognition

どんな論文か?

実環境で顔画像を撮影する場面は、携帯端末や入場ゲート、監視カメラなど多岐にわたる。既存の技術は撮影環境ごとに学習を行うため、特徴量の分布が撮影環境によって異なるのが現実である。そこで、異なるセンサーによって撮影された顔画像を取り扱い可能にすることが目的の研究である。
placeholder

新規性

抽出した特徴を変換するネットワークであるR3ANを提案した。reconstruction pathは、ソース特徴量から顔画像を復元する。

結果

特徴転移に要する時間はResNet-101の10倍速くなった。精度についても通常の転移学習と比べ75%エラー率を削減した。representation pathは顔画像から目的の撮影環境における特徴量を取得する。regression pathは、2つのpathを統合し、特徴の返還を行う。

その他(なぜ通ったか?等)