[論文レビュー] Learning Deep Features via Congenerous Cosine Loss for Person Recognition

Yu Liu, Hongyang Li+1 more|arXiv (Cornell University)|Feb 22, 2017

Video Surveillance and Tracking Methods参考文献 17被引用数 56

ひとこと要約

この論文は Congenerous Cosine (COCO) loss を導入し、 centroid-based softmax を用いて、クラス内の類似性を最大化し、クラス間の分離を高めることで region-based 深層特徴を訓練する。テスト時のファインチューニングを必要とせず、一度の訓練で実現可能にする。

ABSTRACT

Person recognition aims at recognizing the same identity across time and space with complicated scenes and similar appearance. In this paper, we propose a novel method to address this task by training a network to obtain robust and representative features. The intuition is that we directly compare and optimize the cosine distance between two features - enlarging inter-class distinction as well as alleviating inner-class variance. We propose a congenerous cosine loss by minimizing the cosine distance between samples and their cluster centroid in a cooperative way. Such a design reduces the complexity and could be implemented via softmax with normalized inputs. Our method also differs from previous work in person recognition that we do not conduct a second training on the test subset. The identity of a person is determined by measuring the similarity from several body regions in the reference set. Experimental results show that the proposed approach achieves better classification accuracy against previous state-of-the-arts.

研究の動機と目的

• 制約のある環境であっても、時間と空間を超えた頑健な人物認識を動機づける。
• クラス内分散を減らし、クラス間の分離を高めるために、コサイン類似度を直接最適化する損失を開発する。
• テストデータでの再学習を避ける、多-region のアライメントベースの認識パイプラインを実現する。
• COCO loss による一段階訓練が PIPA で競争力のある、または優れた結果をもたらすことを示す。
• 領域寄与とアラインメントの分析を提供し、過学習を抑制する。

提案手法

• ミニバッチ内で、サンプルとそのクラス中心点とのコサイン類似度を定義する。
• 正規化された特徴と中心点の上でソフトマックスを用いて、クラス内の緊密性とクラス間の判別性を最適化するCOCO lossを導入する。
• 4つの領域パッチ（顔、頭部、上半身、全身）をアフィン変換で基準位置に揃え、分散を減らす。
• PIPAのトレーニングセットで領域別COCOモデルを4つ訓練し、推論時に領域スコアを組み合わせる。
• ロジスティック正規化と加重平均で領域類似度を統合し、test_1 で再訓練なしに識別を予測する。
• 正規化された特徴と中心点を用いたCOCO loss の誤差伝播の詳細を示し、エンドツーエンド訓練を可能にする。

実験結果

リサーチクエスチョン

• RQ1 センタロイドベースのコサイン損失は、制約のない画像における人物認識でクラス内の圧縮性を改善し、クラス間の分離を高めることができるか？
• RQ2 領域パッチを基準位置へ揃えることでクラス内分散を減らし、認識精度を向上させるか？
• RQ3 単段階訓練の下で、複数の身体領域の手がかりを統合することがPIPAでの認識性能にどう影響するか？
• RQ4 test_0で再訓練を行わず、テスト分割間で直接特徴を比較して人物認識を行うことは現実的か？
• RQ5 特徴の可視化と識別における標準ソフトマックスと比較した場合の COCO loss の影響は何か？

主な発見

• COCO loss は特徴空間でクラス間距離を拡大し、クラス内分散を減少させる。
• 領域パッチの整列は、領域全体での性能を著しく改善する。
• 顔と頭部領域が最も強い信号を提供し、全身はアラインメントに応じて寄与が異なる。
• 4つの領域をすべて組み合わせると、オリジナルセットの精度が最も高く（一と部の分割でも改善）、単一領域の手がかりより優れる。
• この手法は PIPA データセットの original、album、time、day の分割で従来手法を上回る。
• 領域ベースのスコアは正規化と加重平均で統合して、テスト時の再訓練なしに最終的な識別を生成できる。