濫読した論文の概要をメモしています。
斜め読みした情報を記載しているため、誤りを含んでいる可能性があります。
誤りを見つけていただいた場合は修正いたしますのでコメント等いただければ幸いです。
メタ情報
| 論文・学会誌 | CVPR 2019 |
| 発行日 | 2019年5月1日 |
| リンク | https://arxiv.org/pdf/1905.00292.pdf |
要約
- コサイン類似度のロスにおいて重要なスケール・マージンについて研究
- スケール・マージンのパラメータを自動調整する AdaCos を提案
- LFW, MegaFace, IJB-C に対して SOTA な精度達成
先行研究と比較した優位性
先行研究では、コサイン類似度のロスを利用するときにコサイン距離とクラスタリング確率の間にミスマッチが起きている。これは人手でのパラメータ調整を行なっており適した設計になっていないことが原因。
この研究ではコサイン距離とクラスタリング確率をマッピングするパラメータを導入することで二つのパラメータの関係性を学習・最適化することができる。
学習・評価
学習データ
- CASIA WebFace (0.45M)
- MS1M (2.35M)
※ 低解像度・ノイズを手動で除外している。
※ カッコ内はデータの件数
評価データ
- LFW (13k)
- MegaFace (1M)
- IJB-C (31k)
関連論文
- Cosface: Large margin cosine loss for deep face recognition
- Arcface: Additive angular margin loss for deep face recognition
所感
あまり metric learning 周りに詳しくないので誤りがあるかもしれないです。（特に評価データの件数）かつ、内容薄めです。
この分野では一般的に使われているコサイン類似度に制約を与えたロスを改善したもののようですね。
周辺の論文を読んでもう少し深い内容を理解していきたいと思います。
コメント