论文题目:《RVFace: Reliable Vector Guided Softmax Loss for Face Recognition》
建议先了解下这篇文章:MVFace
1.前言
随着深度卷积神经网络 (CNN) 的进步,人脸识别取得了重大进展,其中心任务是如何提高特征辨别力。 为此,已经提出了几种基于margin(例如,角度、加法和加法角度margin)的 softmax 损失函数来增加不同类别之间的特征边距。 然而,尽管取得了很大的成就,但它们主要存在四个问题:
- 它们基于清洁良好的训练集的假设,而没有考虑大多数人脸识别数据集中固有存在的噪声标签的后果;
- 他们忽略了信息(例如,semi-hard)特征挖掘对判别学习的重要性;
- 他们只从ground truth类的角度鼓励feature margin,没有意识到与其他非ground truth类的可区分性;
- 他们将不同类之间的feature margin设置为相同且固定,这可能不能很好地适应不同类之间数据不平衡的情况。
相较于MVFace的改进:RVFace强调了semi-hard样本的重要性,而降低对噪声和离群点的关注。也就是上面的第1点。