ArcFace: Additive Angular Margin Loss for Deep Face Recognition
Problem
- Softmax 기반의 얼굴 인식 방법은 closed-set 분류 문제가 open-set에서의 얼굴 인식과 직접 연결되지 않아 open-set에서의 discriminative power가 충분하지 않다는 점이 일반적인 단점이다.
Essense
이 논문에서는 discriminative power를 향상시키기 위하여 Additive Angular Margin Loss (ArcFace)를 제안한다.
- 기존의 cosine 함수 기반의 로스에서, arc-cosine 함수를 이용하여 현재 feature와 목표 prototype vector간의 각도를 계산하고, 목표로하는 각도에 마진을 추가한 뒤 이를 로스로 다시 돌리도록 하였다.
- 또한 모든 feature의 norm을 하나의 값으로 고정하도록 하였다.
Detail
- 기존 Softmax 기반의 연구에서 사용되는 로스는 아래와 같다.
- 여기에 feature 와 prototype vector 에 마진 페널티 을 추가하여 intra-class의 compactness와 inter-class의 discrepeancy를 향상시켰다.
- 이렇게 추가된 마진은 hypersphere위에서의 geodesic distance 마진 페널티이므로 이를 ArcFace라 이름 붙였다. ArcFace의 로스는 아래와 같다.
- 한편, 기존 연구되었던 SphereFace, CosFace들은 ArcFace와는 또 다른 마진을 이용한 로스들이다. 이들을 모두 통합한 로스를 생각할 수 있다.
- 추가적으로 intra-class compactness를 향상시킬 수 있도록 다음 로스를 생각할 수 있다.
- 또한 inter-class discrepancy를 향상시킬 목적으로 다음 로스를 생각할 수 있다. 이 로스는 Minimum Hyper-spherecal Energy (MHE)의 특별한 경우이다.
- 실험에서는 가 가장 좋은 성능을 보였다.