顔認識モデルの最適化の本質は次のとおりです。
特徴空間では、同一人物に属する画像特徴は可能な限り集められ、同一人物に属さない画像特徴は可能な限り発散され、モデルの特徴モデリング能力の強さが認識精度に直接影響します。顔認識モデルの。
優れた損失関数 を設計すると、クラス内特徴の集約とクラス間特徴の離散化を最大化できます。
Margin クラスの損失関数は次のように一様に表現できます。
ここで、m1、m2、および m3 は追加された異なるマージンです。図 1 に示すように、すべてのマージン様損失関数は本質的にロジット曲線の形状を変化させます。
以下は新しいタイプの損失関数LineFaceです。
LineFace は区間内で単調減少し、勾配は一定であるため、解釈しやすくなっています。