Evaluación del rendimiento de Facenet

Abstract

Este trabajo presenta una evaluación de la variación del rendimiento de la red neuronal para reconocimiento de caras Facenet cuando varían algunas condiciones de la imagen de entrada. Facenet fue introducida en 2015 por un equipo de Google como evolución del modelo Inception y fue entrenada usando un esquema de tripletas (imagen base, imagen de la misma identidad, imagen de distinta identidad) y una función de pérdida que favorecía distancias pequeñas entre los descriptores generados para imágenes de la misma identidad y distancias grandes entre los descriptores de imágenes de distinta identidad. Se presentaba Facenet como una red con resultados asombrosamente invariantes ante aspectos como la posición, la iluminación, la oclusión o la edad del individuo que variaba de manera significativa el estado del arte en reconocimiento de caras. La evaluación se ha llevado a cabo utilizando el dataset de estudio Multi-Pie para evaluar la variación en rendimiento de Facenet cuando se modifican las condiciones de iluminación, gesto y posición de cámara, y un conjunto de imágenes generadas sintéticamente a partir de una selección de imágenes del dataset VGGFace2 para evaluar la variación del rendimiento cuando se modifican aspectos como la resolución de la imagen, el área de recorte de la cara, la tonalidad, la saturación, la intensidad o el ángulo de giro de la imagen. Se ha podido valorar también la variación de rendimiento en relación con el género de la persona.---ABSTRACT---This works presents a performance evaluation of the face recognition neural network Facenet when some conditions of the input image are modified. Facenet was introduced in 2015 by a team from Google as an a evolution of the Inception model and was trained using a scheme of triplets (anchor image, same identity image, different identity image) and a loss function that favored small distances between descriptors generated from same identity images and larger distances between descriptors generated from images of different identity. Facenet was presented as a network with incredible invariance to aspects such as position, lighting, occlusion or the age of the individual. It significantly varied the state of the art in face recognition. The evaluation has been carried out using the Multi-Pie studio dataset to evaluate the variation in performance of Facenet when the lighting, gesture or camera position conditions are modified, and using a set of synthetically generated images from a selection of images from the VGGFace2 dataset to evaluate the performance variation when aspects such as the resolution of the image, the cropping of the face, the hue, the saturation, the intensity or the angle of rotation of the image are modified. It has also been possible to assess the performance variation regarding the gender of the person.