X2-Softmax：用于人脸识别的边际自适应损失函数
计算机视觉与模式识别
2023-12-20 v2
摘要
学习不同人脸的判别性特征是人脸识别中的一项重要任务。通过在神经网络中提取人脸特征，可以轻松度量不同人脸图像的相似度，从而实现人脸识别。为了增强神经网络的人脸特征可分性，在训练过程中引入角度边际是常见的做法。最先进的损失函数 CosFace 和 ArcFace 在类别权重之间应用固定边际，以增强人脸特征的类间分离。由于训练集中样本的分布不均衡，不同身份之间的相似度是不平等的。因此，使用不合适的固定角度边际可能会导致模型难以收敛或人脸特征判别性不足的问题。边际具有角度自适应性更符合我们的直觉，它可以随着类别间角度的增大而增加。在本文中，我们提出了一种名为 X2-Softmax 的新角度边际损失。X2-Softmax 损失具有自适应角度边际，它提供的边际随着不同类别间角度的增大而增加。角度自适应边际确保了模型的灵活性，并有效提高了人脸识别的效果。我们在 MS1Mv3 数据集上使用 X2-Softmax 损失训练了神经网络，并在几个评估基准上进行了测试，以证明我们损失函数的有效性和优越性。
引用
@article{arxiv.2312.05281,
title = {X2-Softmax: Margin Adaptive Loss Function for Face Recognition},
author = {Jiamu Xu and Xiaoxiang Liu and Xinyuan Zhang and Yain-Whar Si and Xiaofan Li and Zheng Shi and Ke Wang and Xueyuan Gong},
journal= {arXiv preprint arXiv:2312.05281},
year = {2023}
}