Gallery-Aware Uncertainty Estimation For Open-Set Face Recognition

要約

画質の正確な推定とモデルの堅牢性の向上は、制約のない顔認識における重要な課題であり、これは確率的顔埋め込みによる不確実性推定を通じて対処できます。
これまでの研究は主に顔認証における不確実性の推定に焦点を当てており、オープンセットの顔認識タスクは十分に検討されていませんでした。
オープンセットの顔認識では、未知の可能性がある画像を分類しようとします。
ここで、確率的埋め込みの分散が低いことは、エラーの確率が低いことを意味するわけではありません。画像の埋め込みはギャラリー内のいくつかのクラスに近い可能性があるため、不確実性が高くなります。
我々は、開集合認識システムにおけるあいまいさの 2 つの原因、(1) クラスの重複によって引き起こされるギャラリーの不確実性、および (2) 顔の埋め込みの不確実性を認識した方法を提案します。
両方のタイプを検出するために、原則に基づいた不確実性推定を提供する埋め込み分布のベイズ確率モデルを使用します。
IJB-C などの、挑戦的なオープンセットの顔認識データセットは、私たちの手法のテストベッドとして機能します。
また、クジラとイルカの識別のための新しいオープンセット認識プロトコルも提案します。
提案されたアプローチは、画像品質のみに基づく不確実性推定方法よりも認識エラーをより適切に特定します。

要約(オリジナル)

Accurately estimating image quality and model robustness improvement are critical challenges in unconstrained face recognition, which can be addressed through uncertainty estimation via probabilistic face embeddings. Previous research mainly focused on uncertainty estimation in face verification, leaving the open-set face recognition task underexplored. In open-set face recognition, one seeks to classify an image, which could also be unknown. Here, the low variance of probabilistic embedding does not imply a low error probability: an image embedding could be close to several classes in a gallery, thus yielding high uncertainty. We propose a method aware of two sources of ambiguity in the open-set recognition system: (1) the gallery uncertainty caused by overlapping classes and (2) the uncertainty of the face embeddings. To detect both types, we use a Bayesian probabilistic model of embedding distribution, which provides a principled uncertainty estimate. Challenging open-set face recognition datasets, such as IJB-C, serve as a testbed for our method. We also propose a new open-set recognition protocol for whale and dolphin identification. The proposed approach better identifies recognition errors than uncertainty estimation methods based solely on image quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google