用于深度人脸识别的 Git 损失
计算机视觉与模式识别
2018-07-31 v4
摘要
卷积神经网络（CNNs）已广泛应用于计算机视觉任务，如人脸识别和验证，并因其捕获判别性深度特征的能力而取得了最先进的成果。传统上，CNNs 使用 softmax 作为监督信号来惩罚分类损失。为了进一步增强深度特征的判别能力，我们引入了一种联合监督信号——Git 损失，它结合了 softmax 和中心损失函数。我们的损失函数的目标是最小化类内差异并最大化类间距离。这种深度特征的最小化与最大化被认为对人脸识别任务而言是理想的。我们在两个流行的人脸识别基准数据集上进行了实验，结果表明我们提出的损失函数在不同身份的深度人脸特征之间实现了最大可分性，并在两个主要人脸识别基准数据集：Labeled Faces in the Wild (LFW) 和 YouTube Faces (YTF) 上取得了最先进的准确率。然而，应当指出，Git 损失的主要目标是实现不同身份深度特征之间的最大可分性。
引用
@article{arxiv.1807.08512,
title = {Git Loss for Deep Face Recognition},
author = {Alessandro Calefati and Muhammad Kamran Janjua and Shah Nawaz and Ignazio Gallo},
journal= {arXiv preprint arXiv:1807.08512},
year = {2018}
}
备注
12 pages. Accepted at BMVC2018