用于深度人脸识别的损失函数性能比较
计算机视觉与模式识别
2019-11-07 v2
摘要
人脸识别是当今设备上公开度最高的功能之一，因此代表了一个应以最高优先级研究的重要问题。根据近期趋势，基于卷积神经网络（CNN）的方法在计算机视觉的许多任务中包括人脸识别都非常成功。损失函数被用于 CNN 顶层以判断任何网络的优劣。在本文中，我们给出了不同损失函数用于人脸识别的性能比较，例如交叉熵、Angular Softmax、Additive-Margin Softmax、ArcFace 和 Marginal Loss。实验采用两种 CNN 架构进行，即 ResNet 和 MobileNet。训练使用了两个广泛使用的人脸数据集，即 CASIA-Webface 和 MS-Celeb-1M，测试使用了基准 Labeled Faces in the Wild (LFW) 人脸数据集。
引用
@article{arxiv.1901.05903,
title = {A Performance Comparison of Loss Functions for Deep Face Recognition},
author = {Yash Srivastava and Vaishnav Murali and Shiv Ram Dubey},
journal= {arXiv preprint arXiv:1901.05903},
year = {2019}
}
备注
Accepted in NCVPRIPG 2019 Conference