Presentation Information
[N-2-06]Effect of Training ID Count and Images per ID under a Fixed Total Number of Training Images on Face Verification
◎△Reo Kamizono1, Mizuki Dai1, Kenya Jin'no1 (1. Tokyo City Univ)
Keywords:
Face Verification
顔照合では，学習時に用いていない未知人物に対するopen-set性能が実運用上重要である．本研究では，総学習画像数を20万枚に固定し，学習ID数と1IDあたり画像数の組み合わせがopen-set顔照合性能に与える影響を調べた．データセットにはGlint360Kを用い，IResNet-50をバックボーンとしたArcFaceにより学習を行った．学習ID数は500，1000，2000，3000，4000，5000IDとし，各条件で総学習画像数が同程度となるよう1IDあたり画像数を調整した．評価では，コサイン類似度に基づく同一人物・異人物ペアの判定を行い，closed-set側で決定した閾値をclosed-setおよびopen-set評価に適用してF1を算出した．その結果，1IDあたり画像数を減らし学習ID数を増やすことでopen-set F1が向上する傾向を確認した．open-set F1は500ID条件の約0.73から3000ID条件で約0.93，5000ID条件で約0.96となった．この結果から，未知人物を対象とする顔照合では，総学習画像数だけでなく，学習ID数と1IDあたり画像数を考慮したデータ設計が重要であることが示唆された．