人脸识别中的损失函数搜索
计算机视觉与模式识别
2020-07-14 v1
摘要
在人脸识别中，设计基于间隔（例如角度、加性、加性角度间隔）的 softmax 损失函数对于学习判别性特征起着重要作用。然而，这些手工设计的启发式方法是次优的，因为它们需要大量精力来探索庞大的设计空间。最近，一种用于损失函数搜索的 AutoML 方法 AM-LFS 被提出，它利用强化学习在训练过程中搜索损失函数。但其搜索空间复杂且不稳定，阻碍了其优势的发挥。在本文中，我们首先分析指出，增强特征判别性的关键实际上是\textbf{如何降低 softmax 概率}。然后我们为当前的基于间隔的 softmax 损失设计了一个统一公式。相应地，我们定义了一种新颖的搜索空间，并开发了一种奖励引导的搜索方法以自动获得最佳候选。在多种人脸识别基准上的实验结果证明了我们的方法相对于最先进替代方案的有效性。
引用
@article{arxiv.2007.06542,
title = {Loss Function Search for Face Recognition},
author = {Xiaobo Wang and Shuo Wang and Cheng Chi and Shifeng Zhang and Tao Mei},
journal= {arXiv preprint arXiv:2007.06542},
year = {2020}
}
备注
Accepted by ICML2020. arXiv admin note: substantial text overlap with arXiv:1912.00833; text overlap with arXiv:1905.07375 by other authors