Eight Years of Face Recognition Research: Reproducibility, Achievements and Open Issues

要約

自動的な顔認識は、非常に人気のある研究分野です。この分野での過去30年間の集中的な研究において、多くの異なる顔認識アルゴリズムが提案されてきた。深層学習の普及と、その膨大な種類の異なる問題を解決する能力により、顔認識研究者はこのパラダイムの下でより良いモデルを作ることに努力を注いできた。2015年以降、最先端の顔認識はディープラーニングモデルに根ざしています。顔認識アルゴリズムの性能を評価するための大規模かつ多様なデータセットが利用可能であるにもかかわらず、現代のデータセットの多くは、顔のポーズ、オクルージョン、照明、顔の表情、画質など、顔認識に影響を与える異なる要因を組み合わせているだけである。このようなデータセットでアルゴリズムがエラーを起こした場合、どの要因がエラーを引き起こしたのかが明確でないため、どの方向に研究を進めるべきかの指針がありません。本作品は、2014年に開発され、最終的に2016年に発表された私たちの過去の作品のフォローアップであり、様々な顔の側面が顔認識アルゴリズムに与える影響を示しています。現在の最先端と過去の最高のシステムを比較することで、強いオクルージョン、いくつかのタイプの照明、強い表情の下の顔は、深層学習アルゴリズムによってマスターされた問題であるのに対し、低解像度画像、極端なポーズバリエーション、オープンセット認識での認識は、まだ未解決問題であることを実証している。このことを示すために、6種類のデータセットと5種類の顔認識アルゴリズムを用いた一連の実験を、オープンソースかつ再現可能な方法で実行しました。私たちは、すべての実験を実行するためのソースコードを提供します。このソースコードは簡単に拡張できるので、私たちの評価であなた自身のディープネットワークを利用することは、ほんの数分で可能です。

要約(オリジナル)

Automatic face recognition is a research area with high popularity. Many different face recognition algorithms have been proposed in the last thirty years of intensive research in the field. With the popularity of deep learning and its capability to solve a huge variety of different problems, face recognition researchers have concentrated effort on creating better models under this paradigm. From the year 2015, state-of-the-art face recognition has been rooted in deep learning models. Despite the availability of large-scale and diverse datasets for evaluating the performance of face recognition algorithms, many of the modern datasets just combine different factors that influence face recognition, such as face pose, occlusion, illumination, facial expression and image quality. When algorithms produce errors on these datasets, it is not clear which of the factors has caused this error and, hence, there is no guidance in which direction more research is required. This work is a followup from our previous works developed in 2014 and eventually published in 2016, showing the impact of various facial aspects on face recognition algorithms. By comparing the current state-of-the-art with the best systems from the past, we demonstrate that faces under strong occlusions, some types of illumination, and strong expressions are problems mastered by deep learning algorithms, whereas recognition with low-resolution images, extreme pose variations, and open-set recognition is still an open problem. To show this, we run a sequence of experiments using six different datasets and five different face recognition algorithms in an open-source and reproducible manner. We provide the source code to run all of our experiments, which is easily extensible so that utilizing your own deep network in our evaluation is just a few minutes away.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL