1枚のラベル付き顔画像と大量の未ラベルデータから学習する

要旨: 人ごとに1枚の画像だけから顔認識を行うことは、学習サンプルが極端に少ないため困難な問題です。私たちは、この問題の変形を考えます。私たちの問題設定では、認識対象は1人だけであり、他のいかなる人物についてもラベル付きデータはありません。この状況は、個人用コンピュータやモバイルデバイスでの認証において自然に生じ、負例が欠けているため追加の難しさがあります。私たちはこの問題を1クラス分類として形式化し、1枚のラベル付き画像と、ラベルなしデータのストリームから顔のノンパラメトリックなモデルを学習するアルゴリズムを提案し、その解析を行います。多くの分野、たとえば人物がカメラ付きのコンピュータと相互作用するときには、ラベルなしデータは豊富で、利用しやすいです。この単一画像につき1人という設定において、これらのデータがより良いモデルの学習にどのように役立てられるかを調べた最初の論文です。私たちの手法は43人からなるデータセットで評価され、これらの人物を偽陽性をほぼゼロに保ちながら90%の確率で認識できることを示します。このリコールは、私たちの最も良いベースラインのリコールより25%以上高いです。最後に、アルゴリズムに対する包括的な感度分析を行い、実際の運用におけるパラメータ設定のための指針を提示します。