人脸识别-SphereFace

简介

文章来源CVPR2017。核心思想是修改SoftmaxLoss来增大类间角度距离。
文章地址：https://arxiv.org/abs/1704.08063
代码地址：https://github.com/wy1iu/sphereface

SoftmaxLoss

首先回忆一下softmax。对于二分类的情况，softmaxloss产生的后验概率为：

由最大似然原则，使用如下公式作为loss函数，即softmaxloss.因此softmaxloss主要分为两步，softmax和logloss，softmaxloss定义如下：

将上述公式展开得到：

Modified SoftmaxLoss

将上述公式的权值的模进行归一化，即
b=0
得到Modified SoftmaxLoss。

通过2D特征显示如下：

A-SoftmaxLoss

和Large-Margin文章类似，作者的目的使类间的角度大，因此使用超参m来控制分类边界。

而使用余弦角度是有限制的，范围为为了去掉这个限制条件，重先定义：

只要满足单调递减的限制。

实验

作者使用 CASIA-WebFace 作为训练集，预处理方式使用MTCNN截取人脸，并做相似变换，每个通道减去127.5并处以128。
结果如下：

参数

超参较多，而且以来数据集，因此实验需要大量的调参：

margin_inner_product_param {    num_output: 10572    type: QUADRUPLE    weight_filler {      type: "xavier"    }    base: 1000    gamma: 0.12    power: 1    lambda_min: 5    iteration: 0  }

labmda变量源码设置如下：

lambda_ = base_ * pow(((Dtype)1. + gamma_ * iter_), -power_);lambda_ = std::max(lambda_, lambda_min_);