SphereFace：用于人脸识别的深度超球面嵌入
计算机视觉与模式识别
2018-01-31 v4
摘要
本文解决开放集协议下的深度人脸识别（FR）问题，其中理想的面部特征在适当选择的度量空间下期望具有比最小类间距离更小的最大类内距离。然而，现有少数算法能有效达到此准则。为此，我们提出角softmax（A-Softmax）损失，使卷积神经网络（CNNs）能够学习角度判别性特征。从几何上看，A-Softmax损失可视为在超球面流形上施加判别性约束，这本质上与面部也位于流形上的先验相符。此外，角度间隔的大小可由参数定量调整。我们进一步推导出特定的以近似理想特征准则。在Labeled Face in the Wild (LFW)、Youtube Faces (YTF)和MegaFace Challenge上的大量分析与实验显示了A-Softmax损失在FR任务中的优越性。代码也已公开可用。
引用
@article{arxiv.1704.08063,
title = {SphereFace: Deep Hypersphere Embedding for Face Recognition},
author = {Weiyang Liu and Yandong Wen and Zhiding Yu and Ming Li and Bhiksha Raj and Le Song},
journal= {arXiv preprint arXiv:1704.08063},
year = {2018}
}
备注
CVPR 2017 (v4: updated the Appendix)