[論文レビュー] Targeting Ultimate Accuracy: Face Recognition via Deep Embedding

Jingtuo Liu, Yafeng Deng+3 more|arXiv (Cornell University)|Jun 24, 2015

Face recognition and analysis参考文献 10被引用数 240

ひとこと要約

本論文は、顔認識のための2段階のディープラーニングフレームワークを提案する。このフレームワークは、マルチパッチ畳み込みニューラルネットワーク（CNN）とディープメトリックラーニングを組み合わせ、高 discriminative な低次元埋め込みを学習する。標準プロトコル下でLFWベンチマークで99.77%の正確性を達成し、先行する最先端手法を著しく上回り、実用的で高精度な顔認識システムへの明確な道筋を示している。

ABSTRACT

Face Recognition has been studied for many decades. As opposed to traditional hand-crafted features such as LBP and HOG, much more sophisticated features can be learned automatically by deep learning methods in a data-driven way. In this paper, we propose a two-stage approach that combines a multi-patch deep CNN and deep metric learning, which extracts low dimensional but very discriminative features for face verification and recognition. Experiments show that this method outperforms other state-of-the-art methods on LFW dataset, achieving 99.77% pair-wise verification accuracy and significantly better accuracy under other two more practical protocols. This paper also discusses the importance of data size and the number of patches, showing a clear path to practical high-performance face recognition systems in real world.

研究の動機と目的

• 深層学習を用いて、既存の最先端手法を超える顔認識の正確性を向上させること。
• データサイズとパッチ構成の影響を分析することで、実世界向けの実用的でスケーラブルなシステムを開発すること。
• ディープメトリックラーニングがコン act で判別力のある顔埋め込みを学習する役割を果たすかを調査すること。
• 構造的なディープ埋め込みとマルチパッチ特徴抽出を組み合わせることで、顔検証における高精度が達成可能であることを示すこと。

提案手法

• 本手法は2段階のパイプラインを採用する：まず、マルチパッチディープCNNが顔の領域からの局所的特徴を抽出する。
• 次に、これらの特徴を、クラス間距離を最大化しクラス内距離を最小化するように、低次元空間に埋め込むためのディープメトリックラーニングを適用する。
• 埋め込み空間の判別力を最適化するために、トリプレット損失を用いてネットワークを訓練する。
• 1枚の顔画像から得られる複数のパッチは個別に処理され、その後統合されてグローバル埋め込みが形成される。
• 教師ありデータを用いてエンドツーエンドで訓練され、一般化性能を向上させるために大規模な顔データセットが活用される。
• 複数のプロトコル、特に標準LFWプロトコルに加え、より現実的で挑戦的な設定でも評価が行われる。

実験結果

リサーチクエスチョン

• RQ1 マルチパッチ特徴抽出とメトリックラーニングを組み合わせたディープラーニングベースのアプローチは、顔認識の最先端の正確性に到達できるか？
• RQ2 パッチ数とトレーニングデータサイズの増加が、ディープ顔埋め込みモデルの性能に与える影響は何か？
• RQ3 提案された2段階手法は、標準的および実用的評価プロトコルの両方で、既存手法を上回る性能を示すか？
• RQ4 ディープメトリックラーニングは、実世界の顔認識タスクにうまく一般化できる、コンパクトで判別力のある埋め込み空間を学習できるか？

主な発見

• 提案手法は、標準プロトコル下でLFWデータセットにおいて99.77%のペアワイズ検証正確性を達成し、すべての先行最先端手法を上回った。
• 2つのより実用的な評価プロトコルでも顕著な性能向上を示し、実世界の状況への一般化能が強いことを示している。
• 実験により、パッチ数とトレーニングデータサイズの増加が一貫した性能向上をもたらすことが確認され、本アプローチのスケーラビリティが裏付けられた。
• ディープメトリックラーニング部は、判別力がありコンパクトな埋め込み空間を効果的に学習し、認識正確性を向上させた。