- …
- …
#497
summarized by : 鈴木共生
どんな論文か？
顔認証の学習に用いられるデータは各顔IDの枚数が異なるというデータ不均衡の問題がある．この問題に対して，先行研究の距離ベース顔認証では顔IDの少ないデータに対してマージンを大きくして対応していた．しかし，データ不均衡には枚数の違いのみではく，画像のような人種・顔向き・ブラー・オクルージョンも考えられる．提案法では，この問題を考慮したモデルを提案した．
新規性
距離ベースのモデルにおけるマージンを逐次的にデータ不均衡(人種・顔向き・ブラー・オクルージョン)に対応させる．具体的には，イテレーションごとに学習データと重複しないデータを用いてデータ不均衡(人種・顔向き・ブラー・オクルージョン)を分類するメタ学習を行ってマージンを更新した後，距離ベースのモデルを学習させることで実現している．
結果
人種(RFW)，顔向き(CFP-FP,CP-LFW)，ブラー(IJB-A)，オクルージョン(OC-LFW)を含むデータでFAR評価．従来の距離ベース手法より高精度を実現した．また，データ不均衡が少ないデータに対しても評価を行い，精度劣化がないことも示した．
その他（なぜ通ったか？等）
近年データの不均衡により人種ごとの顔認証精度に違いが出てしまうことは倫理的な問題として議論されている．提案法では，今まで十分に考慮されていなかったデータ不均衡(人種・顔向き・ブラー・オクルージョン)に対応することでこの問題に配慮したモデルの実現に貢献している．更に，多くの評価データセットで高い精度を実現しているため．
- …
- …