- …
- …
#56
summarized by : 鈴木共生
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．
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．
- …
- …