Open-Set Face Identification on Few-Shot Gallery by Fine-Tuning

要約

本論文では、少数撮影のギャラリーにおけるオープンセットの顔識別問題を微調整によって解決することに焦点を当てる。この問題では、少数の顔画像のみが登録され、未知の顔画像は識別中に拒否されなければならないという、顔識別の現実的なシナリオを想定している。我々は、大規模なデータセットで事前学習した顔認識モデルや、素朴に微調整した顔認識モデルは、この課題に対して性能が低いことを観察している。この問題を解決するために、我々は、分類器の重みの刷り込みとバッチノルム層の排他的チューニングを用いた効果的な微調整方式を提案する。さらに、未知識別子の棄却精度を向上させるために、近傍情報に基づいて類似度を計算するNeighborhood Aware Cosine (NAC)という新しいマッチャを提案する。提案方式の有効性を、異なる畳み込みニューラルネットワークアーキテクチャを用いた大規模顔ベンチマークで徹底的に検証する。このプロジェクトのソースコードは、https://github.com/1ho0jin1/OSFI-by-FineTuning で公開されています。

要約(オリジナル)

In this paper, we focus on addressing the open-set face identification problem on a few-shot gallery by fine-tuning. The problem assumes a realistic scenario for face identification, where only a small number of face images is given for enrollment and any unknown identity must be rejected during identification. We observe that face recognition models pretrained on a large dataset and naively fine-tuned models perform poorly for this task. Motivated by this issue, we propose an effective fine-tuning scheme with classifier weight imprinting and exclusive BatchNorm layer tuning. For further improvement of rejection accuracy on unknown identities, we propose a novel matcher called Neighborhood Aware Cosine (NAC) that computes similarity based on neighborhood information. We validate the effectiveness of the proposed schemes thoroughly on large-scale face benchmarks across different convolutional neural network architectures. The source code for this project is available at: https://github.com/1ho0jin1/OSFI-by-FineTuning

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL