超级会员免费看
本文综述了多种常用的人脸识别损失函数，包括Softmax、Triplet Loss、Center Loss、L-Softmax、SphereFace、CosFace和ArcFace。这些损失函数旨在优化特征向量，增强类别间区分度，提升人脸识别的准确性。例如，Triplet Loss通过拉近正样本对、推开负样本对来优化特征空间；SphereFace和CosFace通过调整权重和角度来增强分类边界。ArcFace在角度上引入决策边界，表现出优秀的性能。文章还提及开源实现，如facenet和insightface，供读者进一步研究。
原文地址：
https://zhuanlan.zhihu.com/p/51324547
常用的度量学习损失方法有对比损失（Contrastive loss）、三元组损失（Triplet loss）、四元组损失（Quadruplet loss）、难样本采样三元损失（Triplet hard loss with batch hard mining，TriHrad loss）、边界挖掘损失（Margin sample mining loss，MSML）。首先假如有两张输入图片I1和I2，通过网络的前馈我们可以得到它归一化后的特征向量f(I1)和f（I2），可定义这两张图片特征向量的欧式距离为：
Contrastive loss
对比损失用于训练孪生网络（Siamese network）,其结构如下图所示，孪生网络的输入为一对（两
订阅专栏 解锁全文
扫一扫
1313
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
