Alapfogalmak
사전 학습된 얼굴 인식 모델을 활용하여 도메인 간 차이를 줄이는 도메인 불변 네트워크 계층을 학습함으로써 이종 얼굴 인식 성능을 향상시킬 수 있다.
Kivonat
이 연구는 이종 얼굴 인식(HFR) 문제를 교사-학생 증류 학습 프레임워크로 정식화하였다. 사전 학습된 얼굴 인식 시스템을 교사 네트워크로 활용하여, 도메인 간 차이를 줄이는 도메인 불변 유닛(DIU)을 학습하였다. 제안된 DIU는 제한된 양의 페어링된 학습 데이터로도 효과적으로 학습될 수 있으며, 대비 증류 프레임워크를 통해 구현된다. 이 접근법은 사전 학습된 모델을 향상시켜 더 다양한 데이터 변화에 적응할 수 있게 한다. 여러 도전적인 벤치마크에서 실험을 수행하여 제안 방법의 우수한 성능을 입증하였다.
Statisztikák
제안된 DIU 방법은 Polathermal 데이터셋에서 평균 Rank-1 정확도 97.8%를 달성하여 최신 기술 수준을 능가하였다.
Tufts Face 데이터셋의 VIS-Thermal 프로토콜에서 DIU는 Rank-1 정확도 82.94%와 1% FAR에서 85.9%의 검증률을 달성하였다.
SCFace 데이터셋의 "far" 프로토콜에서 DIU는 94.55%의 Rank-1 정확도를 달성하여 가장 높은 성능을 보였다.
Idézetek
"HFR 시스템은 다양한 도메인 간 매칭을 가능하게 하여, RGB 이미지로 등록된 사용자를 다양한 모달리티의 이미지와 비교할 수 있게 한다."
"제안된 DIU 접근법은 사전 학습된 모델을 향상시켜 더 다양한 데이터 변화에 적응할 수 있게 한다."