【人脸识别】RVFace详解

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：

1. 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；
2. 他们忽略了信息（例如，semi-hard）特征挖掘对判别学习的重要性；
3. 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；
4. 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。