#822
summarized by : Takahiro Itazuri
Unequal-Training for Deep Face Recognition With Long-Tailed Noisy Data

どんな論文か?

顔認識において、ノイズが多く、またデータが大量にある個体 (head data) とデータが非常に少ない個体 (tail data) が混ざったデータセット (long-tailed noisy dataset) において、それぞれ別々のロスをとることでうまく学習させる手法を提案した。
placeholder

新規性

データセットに不均一性がある場合において、head data には noise resistance loss を用いて、tail data には center-dispersed loss を用いることで、精度を向上させることに成功した。

結果

LFW、Cross-Pose LFW (CPLFW)、YTFで既存手法よりも良い精度を達成した。

その他(なぜ通ったか?等)

データ量に応じて学習時のロスを使い分けて精度を向上する方法自体が新しい?ロスの設計自体はかなりヒューリスティックになりそうではあるが、データの分布を考慮に入れるという方向性自体は今後も重要になりそう。