利用样本与集合联合监督学习深度卷积人脸表示嵌入
计算机视觉与模式识别
2020-09-09 v3
摘要
本文研究了利用样本与集合联合优化的几种学习人脸识别深度嵌入的方法与策略。我们解释了将传统学习与基于集合的监督相结合的框架，以及用于保持集合特征的策略。然后，我们简要回顾了相关的基于集合的损失函数，并随后提出了一种新颖的最大间隔损失，该损失在支持向量机（SVMs）的辅助下最大化最大可能的类间间隔。它隐式地利用一个垂直于超平面的向量，将所有样本推向间隔的正确侧，且其强度向超平面负侧呈指数增长。我们表明，在两个常用基准上的人脸验证任务中，所引入的损失优于以往基于样本和基于集合的损失。
引用
@article{arxiv.1708.00277,
title = {Learning Deep Convolutional Embeddings for Face Representation Using Joint Sample- and Set-based Supervision},
author = {Baris Gecer and Vassileios Balntas and Tae-Kyun Kim},
journal= {arXiv preprint arXiv:1708.00277},
year = {2020}
}
备注
8 pages, 5 figures, 2 tables, workshop paper