人脸识别之SphereFace
2017-07-26 17:48
696 查看
2017的一篇cvpr,SphereFace: Deep Hypersphere Embedding for Face Recognition,继centerloss之后又一大作。
文章主要提出了归一化权值(normalize weights and zero biases)和角度间距(angular margin),基于这2个点,对传统的softmax进行了改进,从而实现了,最大类内距离小于最小类间距离的识别标准。
原始的softmax的loss损失是一个互熵损失,
其中,
将其代入第一个式子,得出了损失函数如下,
进行归一化操作,将其都映射到一个单位球面上,令||W||=1,b=0,并且引入夹角,得出Modified Softmax Loss公式如下,
在此基础上,再引入angular margin,用m表示,最终产生A-softmax的loss公式
在LFW和YTF数据集上的识别率分别如下图所示,可以看出LFW已经达到了99.42的识别率。
这里分析一下,作者A-softmax 的参数,
在margin_inner_product_layer.cpp的Forward_cpu函数中,
也就是说,
计算出来也就是说,lambda=5(iteration>1658)lambda=大于5的值(iteration<1658)
训练过程loss下降如下,
自己在LFW上10折测试的结果如下,
reference:
https://github.com/wy1iu/sphereface
文章主要提出了归一化权值(normalize weights and zero biases)和角度间距(angular margin),基于这2个点,对传统的softmax进行了改进,从而实现了,最大类内距离小于最小类间距离的识别标准。
原始的softmax的loss损失是一个互熵损失,
其中,
将其代入第一个式子,得出了损失函数如下,
进行归一化操作,将其都映射到一个单位球面上,令||W||=1,b=0,并且引入夹角,得出Modified Softmax Loss公式如下,
在此基础上,再引入angular margin,用m表示,最终产生A-softmax的loss公式
在LFW和YTF数据集上的识别率分别如下图所示,可以看出LFW已经达到了99.42的识别率。
这里分析一下,作者A-softmax 的参数,
在margin_inner_product_layer.cpp的Forward_cpu函数中,
也就是说,
计算出来也就是说,lambda=5(iteration>1658)lambda=大于5的值(iteration<1658)
训练过程loss下降如下,
自己在LFW上10折测试的结果如下,
reference:
https://github.com/wy1iu/sphereface
相关文章推荐
- 人脸识别--SphereFace: Deep Hypersphere Embedding for Face Recognition
- sphereFace人脸识别之caffe配置训练
- 人脸识别“SphereFace: Deep Hypersphere Embedding for Face Recognition”
- SphereFace: Deep Hypersphere Embedding for Face Recognition(人脸识别论文笔记)
- 人脸识别-NormFace: L2 Hypersphere Embedding for Face Verification
- face recognition matlab code 人脸识别
- 免费的人脸识别服务接口XQFace
- Deep Learning学习 - VGG-Face网络人脸识别
- Face++人脸识别:Learning Deep Face Representation
- CentOS7安装face_recognition人脸识别库
- ORL Face Database 人脸识别数据集
- 人脸识别技术大总结1——Face Detection & Alignment
- 人脸识别(三):2017 Additive Margin Softmax for Face Verification
- 【学习日记】人脸识别之FaceNet
- FaceNet--Google的人脸识别
- 人脸识别之DeepFace
- 手把手教你用1行代码实现人脸识别 --Python Face_recognition
- FaceNet--Google的人脸识别
- 采访 | 苹果菲尔·席勒:Face ID非常独特 其他家的人脸识别都很糟糕
- face++人脸识别的java调用