insightface 损失函数的两个归一化，操作解释

最新推荐文章于 2024-10-14 02:06:38 发布

原创最新推荐文章于 2024-10-14 02:06:38 发布 · 905 阅读

0 ·

CC 4.0 BY-SA版权

本文深入探讨了人脸识别中InsightFace模型使用的ArcFace损失函数，详细讲解了L2正则化在全连接层的应用，以及如何通过全局池化计算角度特征，实现矩阵乘法和损失函数的计算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://blog.youkuaiyun.com/weixin_43013761/article/details/100019718
人脸识别0-05：insightFace-损失函数arcface-史上最全，讲的比较全
下面是我的补充

        # 先进行L2正则化，然后进行全链接
        _weight = mx.symbol.L2Normalization(_weight, mode='instance')
        nembedding = mx.symbol.L2Normalization(embedding, mode='instance', name='fc1n') * s
        #使用全局池化代替全链接层，得到每个id的角度*64
        fc7 = mx.sym.FullyConnected(data=nembedding, weight=_weight, no_bias=True, num_hidden=config.num_classes,
                                    name='fc7')

arcface ,网络全连接的输出跟的一个全连接fc7实现的计算是矩阵 fc1 * w，而arcface 的损失
在这里插入图片描述