arcface笔记

ArcFace可以说是现在人脸识别损失函数中应用最为成功也最为有效的损失之一，在各大人脸数据集上可谓屠榜。

 

论文： ArcFace: Additive Angular Margin Loss for Deep Face Recognition

 

常规交叉熵损失如下：

当我们将W和X都通过L2归一化，设置偏执b为0，则可将矩阵相乘的结果logit看成一个余弦距离与缩放因子S的乘积，这两者在结果上是等价的，那么logit就与w和x无关了，仅与θ和s有关，如果固定s，那仅与θ有关。

 

为了增大类间距离，减少类内距离，我们相想法给目标类logit加学习困难。随着网络的收敛，对应类别的logit会越来越大，θ即样本与类中心距离越来越小，分类性能越来越好。我们再角度空间手动加一个边际m，使得更难训练，但训练出来的网络特征更加紧凑，区分性更好。