MFCosface: 大きなマージンコサイン損失に基づくマスク付き顔認識アルゴリズム

今日の世界はCOVID-19に襲われています。指紋やIDカードとは対照的に、顔認識技術は特定のセンサーとの接触を必要としないため、公共の場でのウイルスの拡散を効果的に防ぐことができます。しかし、人々は公共の場に入る際にマスクを着用する必要があり、マスクは顔認識の精度に大きな影響を及ぼします。人々がマスクを着用している間に顔認識を正確に行うことは大きな課題です。COVID-19流行期におけるマスク着用者の低い顔認識精度の問題を解決するために、私たちは大きなマージンコサイン損失（MFCosface）に基づくマスク付き顔認識アルゴリズムを提案します。トレーニング用のマスク付き顔データが不足しているため、私たちは重要な顔の特徴の検出に基づいたマスク付き顔画像生成アルゴリズムを設計しました。顔はマルチタスクカスケード畳み込みネットワークを通じて検出され整列され、その後顔の重要な特徴を検出し、重要な特徴の位置情報に基づいてカバーテンプレートを選択します。最後に、対応するマスク付き顔画像を生成します。マスク付き顔画像の分析を通じて、トリプレット損失は私たちのデータセットに適用できないことがわかりました。なぜなら、オンライントリプレット選択の結果にはマスクの変化が少なく、マスクの遮蔽と特徴マッピングの関係をモデルが学習するのが難しくなるからです。私たちはトレーニングの損失関数として大きなマージンコサイン損失を使用し、これは特徴空間内のすべての特徴サンプルを小さなクラス内距離と大きなクラス間距離でマッピングします。モデルがマスクによって覆われていない領域にもっと注意を払うようにするために、私はInception-Resnetモジュールと畳み込みブロック注意モジュールを組み合わせたAtt-inceptionモジュールを設計しました。これによって、特徴マップの未遮蔽領域の重みが増加し、識別プロセスへの未遮蔽領域の寄与が拡大します。いくつかのマスク付き顔データセットに対する実験は、私たちのアルゴリズムがマスク付き顔認識の精度を大幅に向上させ、マスク着用被験者での顔認識を正確に実施できることを証明しています。