[論文レビュー] Learning Channel Inter-dependencies at Multiple Scales on Dense Networks for Face Recognition

Qiangchang Wang, Guodong Guo+1 more|arXiv (Cornell University)|Nov 28, 2017

Face recognition and analysis参考文献 48被引用数 3

ひとこと要約

本稿では、多スケール特徴学習、密接続層、および圧縮・励起（SE）モジュールを統合した深層学習アーキテクチャ、SE-Inception-DenseNet（SEID）を提案する。複数スケールおよび密な残差パスを介して情報量の多い特徴を重み付けすることで、SEIDはCASIA-WebFaceと同等の中程度のトレーニングデータを用いても、IJB-AおよびFaceScrubデータセットで最先端の性能を達成し、FAR=0.01の条件下で63.3%の認証精度、FAR=0.0001では29.4%の精度を示した。

ABSTRACT

We propose a new deep network structure for unconstrained face recognition. The proposed network integrates several key components together in order to characterize complex data distributions, such as in unconstrained face images. Inspired by recent progress in deep networks, we consider some important concepts, including multi-scale feature learning, dense connections of network layers, and weighting different network flows, for building our deep network structure. The developed network is evaluated in unconstrained face matching, showing the capability of learning complex data distributions caused by face images with various qualities.

研究の動機と目的

• 画像品質、アングル、照明のばらつきが著しい非制約的条件下での顔認識の課題に対処すること。
• 多スケール特徴学習と密接続を組み合わせることで、勾配の流れとパラメータ効率を向上させ、深層ネットワークにおける特徴表現を改善すること。
• 圧縮・励起（SE）モジュールを用いてチャネルごとの特徴マップを適応的に重み付けすることで、情報量の多いチャネルに注目し、識別力を向上させること。
• 膨大なトレーニングデータを必要としないで、複雑なデータ分布に対しても良好に一般化できるモデルの開発を目的とする。

提案手法

• 提案されたSE-Inception-DenseNet（SEID）は、InceptionモジュールをDenseNetアーキテクチャに統合し、深く階層的な特徴学習を可能にする。
• 各デューズブロック内で、すべての先行層に密接続を適用することで、特徴の再利用性、勾配の流れ、正則化を促進する。
• 遷移層およびデューズブロックの各層の前段に圧縮・励起（SE）モジュールを挿入し、グローバルな文脈に基づいてチャネルごとの特徴応答を再キャリブレーションする。
• SEモジュールは、グローバル平均プーリングによりチャネルごとの注目重みを計算し、ReLUおよびシグモイド活性化関数を用いた全結合層を経て、学習可能なスケーリング要因を出力する。
• モデルはCASIA-WebFaceデータセット上でエンドツーエンドにトレーニングされ、LFW、IJB-A、FaceScrubで認証性能を評価する。
• ネットワークはInceptionモジュール内の次元削減に1×1畳み込みを用い、深層アーキテクチャのトレーニング安定化のためアイデンティティショートカットを適用する。

実験結果

リサーチクエスチョン

• RQ1 多スケール特徴学習と密接続を組み合わせることで、非制約的顔認識における性能向上が達成できるか？
• RQ2 圧縮・励起モジュールの統合が、深層顔認識ネットワークにおける特徴表現にどのように影響を与えるか？
• RQ3 提案されたSE-Inception-DenseNetモデルは、最先端の手法と比較して、品質が異なる顔のマッチングにおいて優れた性能を示すか？
• RQ4 LFWのような標準ベンチマークで高い精度を維持すると同時に、IJB-AおよびFaceScrubの多様な画像品質に対しても良好に一般化できるか？

主な発見

• IJB-Aデータセットでは、FAR=0.01の条件下でSEIDは63.3%の認証精度を達成し、FaceNet（25.7%）、VGGFace（60.5%）、Light CNN（56.6%）を上回った。
• IJB-AのFAR=0.0001条件下では、SEIDは26.6%の認証精度を達成し、SphereFace（24.5%）およびCenter Loss（16.4%）を上回り、低偽陽性率に対する高いロバスト性を示した。
• FaceScrubデータセットでは、FAR=0.01の条件下でSEIDは61.7%の認証精度を達成し、VGGFace（59.5%）、Light CNN（50.3%）、Center Loss（49.3%）を上回った。
• LFWデータセットでは、Inceptionブロックの前段にSEモジュールを適用した場合、SEIDは98.88%の認証精度を達成し、DeepID2+（25ネットワークを用い98.95%）およびLight CNN（99.33%）を上回ったが、同等のトレーニングデータ量を前提としている。
• SEモジュールの圧縮比r=4が最良の性能（LFWで98.88%）を示し、表現力と計算コストの最適なバランスを示している。
• SEIDは、ベースラインのInceptionおよびDenseNetモデルに対して一貫した向上を示し、LFWではInception（97.6%）に対して3.1%、DenseNet（95.7%）に対して3.2%の向上を達成した。