ArcFace: 깊은 얼굴 인식을 위한 가산 각 마진 손실

오늘의 논문

원문 보기 문헌연구

RESEARCH PAPER IT Crossref 실존 확인 2026-09-27 회차 지난 회차

ArcFace: 깊은 얼굴 인식을 위한 가산 각 마진 손실

ArcFace: Additive Angular Margin Loss for Deep Face Recognition

Jiankang Deng, Jia Guo, Jing Yang 외 · IEEE Transactions on Pattern Analysis and Machine Intelligence · 2019년 · 조회 13

왜 이 논문인가 — 선정 기준

RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수

2019-06 발표 · 피인용 7,719회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 181개

RESEARCH PAPER 슬롯은 2019년 발표된 뒤 7719회 인용이라는 높은 영향력과 후속 연구에 활용 가능한 핵심 기술을 제공한다.

논문 요약

본 논문은 얼굴 인식에서 클래스 구분성을 극대화하기 위해 가산 각 마진 손실(ArcFace)을 도입한다. ArcFace는 명확한 기하학적 해석을 제공하며 식별 성능을 크게 향상시킨다. 또한 대규모 라벨 노이즈에 대응하기 위해 클래스당 K개의 서브센터를 갖는 sub‑center ArcFace를 제안하고, 샘플이 어느 하나의 양성 서브센터와 가까우면 학습이 가능하도록 한다. 이 메커니즘은 깨끗한 얼굴을 포함하는 지배 서브클래스와 노이즈가 섞인 비지배 서브클래스를 자연스럽게 분리해 웹 얼굴 데이터의 자동 정화에 기여한다.

후속 연구설계에 활용하기

ArcFace와 sub‑center 구조는 라벨 노이즈가 존재하는 다른 분류 문제에도 적용 가능하므로, 손실 함수와 서브센터 수 등을 변수로 설계해 실험을 확장할 수 있다.

핵심어

ArcFace각 마진 손실얼굴 인식레이블 노이즈

실존 확인

이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다. SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.

DOI: 10.1109/cvpr.2019.00482

2026-09-27 확인 · 2026-09-27 선정