CoReFace: Sample-Guided Contrastive Regularization for Deep Face Recognition

要約

タイトル：CoReFace：ディープフェイス認識のためのサンプルガイド対照的正則化
要約：
– 顔の識別能力は、オープンセットの顔認識において重要である。
– 以前の手法では、識別子を表す分類層の学習可能な重みに依存していた。
– しかし、評価プロセスは識別表現を学習せず、分類器をトレーニングから除外する。
– この矛盾は、評価目標を理解する特徴エンコーダーを混乱させ、識別ベースの手法の効果を妨げる可能性がある。
– 上記の問題を緩和するために、私たちは、特徴表現学習に画像レベルの正則化を適用する新しいアプローチ、つまりContrastive Regularization for Face Recognition (CoReFace)を提案する。
– 具体的には、サンプルガイド対照的学習を採用して、直接画像-画像リレーションシップでトレーニングを正則化する。
– これは評価プロセスと一致している。
– 顔認識に対照的学習を統合するために、画像の品質低下を回避するために、埋め込みを拡張する。
– そして、適応的なマージンと監視対照マスクを組み込んだ新しい対照的損失を提案することにより、表現分布の対照的学習を実現する。
– 最終的に、新しいペアカップリングプロトコルを探索することで、対照的学習における意味的に繰り返しの信号問題を発見して解決する。
– 広範な実験により、競争力の高い状態にあるアプローチとして、私たちのCoReFaceの有効性と効率を示すことができた。

要約(オリジナル)

The discriminability of feature representation is the key to open-set face recognition. Previous methods rely on the learnable weights of the classification layer that represent the identities. However, the evaluation process learns no identity representation and drops the classifier from training. This inconsistency could confuse the feature encoder in understanding the evaluation goal and hinder the effect of identity-based methods. To alleviate the above problem, we propose a novel approach namely Contrastive Regularization for Face recognition (CoReFace) to apply image-level regularization in feature representation learning. Specifically, we employ sample-guided contrastive learning to regularize the training with the image-image relationship directly, which is consistent with the evaluation process. To integrate contrastive learning into face recognition, we augment embeddings instead of images to avoid the image quality degradation. Then, we propose a novel contrastive loss for the representation distribution by incorporating an adaptive margin and a supervised contrastive mask to generate steady loss values and avoid the collision with the classification supervision signal. Finally, we discover and solve the semantically repetitive signal problem in contrastive learning by exploring new pair coupling protocols. Extensive experiments demonstrate the efficacy and efficiency of our CoReFace which is highly competitive with the state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI