#56
summarized by : 鈴木共生
Killing Two Birds With One Stone: Efficient and Robust Training of Face Recognition CNNs by Partial FC

どんな論文か?

マージンべ―スの顔認証では,入力に対して全クラス中心との類似度を計算する必要があり,ID数に比例してFC層の大きさと計算量が増える.また,類似度計算の際に同一人物が別IDで登録されている誤ラベルや,1IDあたりのデータが少ないロングテールデータがあると学習がうまくいかないという問題があり,この問題を解決する方法を提案している.
placeholder

新規性

FC層で類似度計算をする際に,クラス中心の数を確率的に削減するPFCを提案する.PFCでは類似度計算が効率化されて計算量の削減に寄与する.また,誤ラベルやロングテールデータに関しても前述の方法でこれらデータとの類似度計算の頻度を減らすことがで改善出来ている.

結果

従来のFC層と比較してメモリ消費1/5,学習速度4倍(ID数8Mの場合).作為的に誤ラベル・ロングテールにしたデータに対してのロバスト性を示した.また,既存のSOTA手法と顔認証精度を比較した際にIJBC-B,IJB-Cで精度を上回った.

その他(なぜ通ったか?等)

速度と精度はトレードオフであることが一般的だが,PFCではその両方で改善しているため.また、その要因となる誤ラベルとロングテールデータに対する分析を詳細にされているため.