- …
- …
#470
summarized by : maiki.okura
どんな論文か？
従来の顔認識モデルでは各クラス間距離を大きくすることに論点が置かれていたがそれでは必要以上にクラス間距離が離れ，特徴空間を無駄にしてしまうケースが現れる．本論文では球上の電荷のポテンシャルエネルギーが一様に分布した時に最小になるという特徴を参考に，各クラスの画像が特徴空間上でより均等に分布するよう，UniformeLossの提案を行った．
新規性
各クラスを特徴空間上でより一様に分布させ，空間の無駄を少なくするUniformeLossを提案．具体的にはクーロンの法則を参考に，各クラスの中心間の距離が大きいほど小さくなるような損失を，A-softmax lossと一緒に使う（各クラスの中心間の距離が斥力の均衡のために一定になるイメージ）．
結果
MegaFace,IJB-A,YTF,LFWなどのデータセットに対して，既存のモデルと顔特定と顔認証の精度の比較を行った．A-softmaxのみを用いるSphereFaceには，UniformeLossを追加した提案手法の方が勝った．また，UniformLossをArcFaceやCosFaceに追加することで精度を向上させることができた．クラス間距離の平均は他手法より大きく，分散は小さくなった．
その他（なぜ通ったか？等）
既存のベースライン手法に簡単に導入できるとともに大きな精度向上が期待できる．
- …
- …