VGGFace2は、オックスフォード大学のVisual Geometry Groupによって開発された大規模な顔認識データセットである。9,000以上の人物像について331万枚以上の画像を含み、顔認識タスクにおけるディープニューラルネットワークの訓練と評価のための最も広く使用されるベンチマークの一つとなっている。このデータセットは2017年に導入され、以来、コンピュータビジョンと深層学習の分野で標準的なリソースとなっている。
このデータセットは、LFWやMegaFaceなどの初期の顔データセットの限界に対処するため、ポーズ、年齢、照明、民族性のばらつきを含む、より大規模で多様な画像セットを提供することを目的として作成された。VGGFace2の画像はGoogle Image Searchから取得されており、有名人の顔に限定されていないため、人物像の多様性が増している。各人物像は平均362枚の画像を持ち、一人当たりの画像数は最小で80枚、最大で843枚である。
データの収集とアノテーション
収集プロセスには、自動化されたウェブスクレイピングに続いて手動でのフィルタリングが含まれ、正確性を確保している。データセットには訓練用とテスト用の分割が含まれ、テスト用には訓練用に存在しない500の人物像が設けられている。アノテーションには、人物像ラベル、顔のバウンディングボックス、主要な顔のランドマークが含まれる。データセットは研究専用ライセンスの下で公開され、その利用には商用再配布を禁止する条件への同意が必要である。
アーキテクチャと訓練での使用
VGGFace2は主に顔認識用の畳み込みニューラルネットワーク（CNN）を訓練するために使用される。ベースラインモデルは、しばしばVGGFace2ネットワークと呼ばれ、ResNet-50またはそれに類似するアーキテクチャを持つ深層CNNであり、大きなマージンを持つソフトマックス損失を用いて訓練される。訓練プロセスでは、ランダムなクロッピング、水平反転、カラージッターなどのデータ増強技術が採用され、一般化を向上させる。データセットは、MegaFaceチャレンジやIJB-Cプロトコルなどのベンチマークで最先端の結果を達成するのに大きく貢献している。
顔認識研究への影響
VGGFace2は、異なる人口統計間で高い精度を持つモデルの訓練を可能にする大規模で多様なデータセットを提供することで、顔認識の分野を大きく進展させた。これは、Google DeepMindやSamsung Researchなどの企業を含む、多くの研究論文や商用システムで使用されている。データセットの設計は、MS-Celeb-1MやWebFace260Mなどの後続データセットに影響を与えており、これらは人物像と画像の数をさらに拡大することを目指している。
制限と倫理的考慮事項
その有用性にもかかわらず、VGGFace2には制限がある。画像は個人から明示的に同意を得ずにウェブから収集されており、プライバシーに関する懸念が生じている。データセットはまた、人物像の分布が人々全体に対応してない可能性があり、異なる民族グループ間で性能の差が生じる可能性があるため、偏りが存在する。研究者は、より倫理的に調達されたデータセットと、バイアスを軽減するための顔認識システムの慎重な評価を求めている。
関連する作業と拡張
Visual Geometry Groupはまた、以前のより小さいデータセットであるVGGFaceも公開しており、両方について事前訓練済みモデルを提供している。VGGFace2の拡張には、高解像度版の画像を含むVGGFace2-HQデータセットがある。データセットは、残差ネットワークアーキテクチャやバッチ正規化技術などの他のリソースと組み合わせて使用され、訓練の安定性とパフォーマンスを向上させることが多い。
関連項目
- 顔認識
- 畳み込みニューラルネットワーク
- Visual Geometry Group
- メガフェイス
- IJB-C