- …
- …
#507
summarized by : 鈴木共生
どんな論文か？
近年の顔認証では膨大なIDを含む数百万枚単位以上の学習データを用いることにより高精度を実現している．しかし，ID増加に伴い，顔認証モデル使用されるFC層のメモリ使用量や学習時間が急激に増加する．提案法ではFC層の代わりにDynamic Class Pool(以降DCP)を使用してこの問題を解決した．
新規性
ネットワーク構造は画像のとおり．バッチサイズ分の画像と，同一IDペアを抽出した画像を2分割して組み合わせたものを入力とする．これにより，GallaryとProbeには同一IDのデータが含まれるようになり，クラス分類として学習可能になる．DCPでは全クラスIdではなく一部のクラス中心を保持し，イテレーションごとに記憶するクラス中心を更新していく．これにより，メモリ使用量と学習時間を削減した．
結果
顔認証データ(LFW,SLFWなど)のFAR評価を行い，WebFace42Mなど膨大なIDを含むデータで学習した場合にFC層ベースと比較して性能劣化がないことを示した．
その他（なぜ通ったか？等）
顔認証モデルの精度を向上させるために膨大なIDデータで学習させる場合，必要なハードウェア要件が厳しいものになる．提案法のDCPではFC層と異なり，記憶するクラス中心の数は定数であり，ID増加に伴うメモリ使用量の増加抑制を実現したため．
- …
- …