用于深度人脸识别的最小间隔损失
计算机视觉与模式识别
2020-02-05 v4
摘要
得益于深度神经网络在过去几年的快速发展，人脸识别取得了巨大进步。作为深度神经网络的重要组成部分，已有众多损失函数被提出，显著提升了最先进方法的性能。本文提出一种称为最小间隔损失（MML）的新损失函数，旨在扩大那些过近类中心对之间的间隔，以增强深度特征的判别能力。MML与Softmax损失和中心损失共同监督训练过程，并弥补了Softmax+中心损失的缺陷。在MegaFace、LFW和YTF数据集上的实验结果表明，所提方法达到了最先进的性能，证明了所提MML的有效性。
引用
@article{arxiv.1805.06741,
title = {Minimum Margin Loss for Deep Face Recognition},
author = {Xin Wei and Hui Wang and Bryan Scotney and Huan Wan},
journal= {arXiv preprint arXiv:1805.06741},
year = {2020}
}