PSNet：基于参数化 Sigmoid 范数的 CNN 用于人脸识别
计算机视觉与模式识别
2019-12-24 v1 机器学习
图像与视频处理
摘要
卷积神经网络（CNN）近年来因其在各类计算机视觉应用中的优异表现而非常流行，也被用于被广泛研究的人脸识别问题。然而，CNN 的现有层无法应对困难样本问题，这类样本通常产生较低的类分数，因此现有方法偏向于简单样本。本文通过在最终全连接层之前引入参数化 Sigmoid 范数（PSN）层来解决该问题。我们利用 PSN 层提出了 PSNet CNN 模型。与简单样本相比，PSN 层为困难样本提供了更高的梯度流，从而迫使网络学习困难样本的视觉特征。我们进行了人脸识别实验以测试 PSN 层的性能，并实验了 PSN 层与不同损失函数的适配性。实验使用了广泛使用的 Labeled Faces in the Wild（LFW）和 YouTube Faces（YTF）数据集。实验结果证实了所提 PSN 层的相关性。
引用
@article{arxiv.1912.10946,
title = {PSNet: Parametric Sigmoid Norm Based CNN for Face Recognition},
author = {Yash Srivastava and Vaishnav Murali and Shiv Ram Dubey},
journal= {arXiv preprint arXiv:1912.10946},
year = {2019}
}
备注
Accepted in IEEE CICT 2019 Conference