KappaFace：用于深度人脸识别的自适应加性角Margin损失
计算机视觉与模式识别
2023-12-07 v2
摘要
特征学习是一种广泛用于大规模人脸识别的方法。近来，大间隔 softmax 损失方法在深度人脸识别上展现出显著增强。这些方法提出固定的正间隔以强制类内紧凑与类间多样。然而，多数已有方法未考虑类不平衡问题，这是实际开发中深度人脸识别模型的主要挑战。我们推测其显著影响深度人脸模型的泛化能力。受此观察启发，我们引入一种称为 KappaFace 的新型自适应策略，基于类别困难度与不平衡度调节相对重要性。在 von Mises-Fisher 分布支持下，我们提出的 KappaFace 损失能加大困难学习或低浓度类的间隔幅度，同时放松对应类的间隔。在流行人脸基准上的实验表明，所提方法取得了优于最先进方法的性能。
引用
@article{arxiv.2201.07394,
title = {KappaFace: Adaptive Additive Angular Margin Loss for Deep Face Recognition},
author = {Chingis Oinar and Binh M. Le and Simon S. Woo},
journal= {arXiv preprint arXiv:2201.07394},
year = {2023}
}