Tief gelerntes Gesichtsrepräsentationen sind spärlich, selektiv und robust

Dieses Papier entwirft ein leistungsstarkes tiefes konvolutionales Netzwerk (DeepID2+) zur Gesichtserkennung. Es wird mit dem Identifikations-Verifikations-Signal gelernt. Durch die Erhöhung der Dimension der verborgenen Darstellungen und das Hinzufügen von Aufsicht zu frühen konvolutionalen Schichten erreicht DeepID2+ neue Maßstäbe bei den LFW- und YouTube Faces-Benchmarks. Durch empirische Studien haben wir drei Eigenschaften seiner tiefen neuronalen Aktivierungen entdeckt, die für die hohe Leistung entscheidend sind: Spärlichkeit, Selektivität und Robustheit. (1) Es wurde beobachtet, dass neuronale Aktivierungen moderat spärlich sind. Moderate Spärlichkeit maximiert die diskriminative Kraft des tiefen Netzes sowie den Abstand zwischen Bildern. Es ist überraschend, dass DeepID2+ dennoch eine hohe Erkennungsgenauigkeit erzielen kann, selbst nachdem die neuronalen Antworten binarisiert wurden. (2) Seine Neuronen in höheren Schichten sind hochselektiv gegenüber Identitäten und identitätsbezogenen Attributen. Wir können verschiedene Teilmengen von Neuronen identifizieren, die entweder konstant erregt oder gehemmt sind, wenn verschiedene Identitäten oder Attribute vorhanden sind. Obwohl DeepID2+ nicht darauf trainiert wurde, Attribute während des Trainings zu unterscheiden, hat es solche hochentwickelten Konzepte implizit erlernt. (3) Es ist viel robuster gegenüber Okklusionen, obwohl Okklusionsmuster nicht im Trainingssatz enthalten sind.