LH2Face：面向硬质人脸的人脸损失函数
计算机视觉与模式识别
2026-03-31 v4
摘要
在当前实际的人脸认证系统中，大多数人脸识别（FR）算法都基于余弦相似度的软最大分类。尽管该方法在分类性能方面可靠，但在处理硬样本方面存在挑战。提高FR性能的流行策略是引入角度或余弦边缘，但未考虑人脸质量或识别难度，仅通过增加边缘值导致训练策略过于均匀。为此，本文提出一种新型损失函数，命名为Loss function for Hard High-quality Face（LH2Face）。首先，基于von Mises-Fisher（vMF）分布的相似性度量被提出，具体聚焦于概率密度函数（PDF）的对数，这代表了概率分布与向量之间的距离。随后，实现了基于softmax的自适应边缘多分类方法，称为不确定性感知边缘函数。此外，采用代理基损失函数，对代理与样本之间施加额外约束，以优化其表示空间分布。最后，构建了一个渲染器，通过人脸重建来优化FR，反之亦然。我们的LH2Face在硬质人脸数据集上优于类似方案，在IJB-B数据集上实现49.39%的准确率，显著超过第二名方法2.37%。
引用
@article{arxiv.2506.23555,
title = {LH2Face: Loss function for Hard High-quality Face},
author = {Fan Xie and Yang Wang and Yikang Jiao and Zhenyu Yuan and Congxi Chen and Chuanxin Zhao},
journal= {arXiv preprint arXiv:2506.23555},
year = {2026}
}