ArcFace loss:Additive Angular Margin Loss(加性角度間隔損失函數),對特徵向量和權重歸一化,對θ加上角度間隔m,角度間隔比餘弦間隔在對角度的影響更加直接。幾何上有恆定的線性角度margen。
● ArcFace中是直接在角度空間θ中最大化分類界限,而cosFace是在餘弦空間cos(θ)中最大化分類界限。
● 預處理(人臉對齊):人臉關鍵點由MTCNN檢測,再透過相似變換得到了被裁剪的對齊人臉。
● 訓練(人臉分類器):ResNet50 + ArcFace loss
● 測試:從人臉分類器FC1層的輸出中提取512維的嵌入特徵,對輸入的兩個特徵計算餘弦距離,再來進行人臉驗證和人臉識別。
● 實際代碼中訓練時分爲resnet model+arc head+softmax loss。resnet model輸出特徵arc head將特徵與權重間加上角度間隔後,再輸出預測標籤,求ACC是就用這個輸出標籤softmax loss求預測標籤和實際的誤差。
● LFW上99.83%,YTF上98.02%
優點:
● 性能高,易於編程實現,複雜性低,訓練效率高
● ArcFace直接優化geodesic distance margin(弧度),因爲歸一化超球體中的角和弧度的對應。
● 爲了性能的穩定,ArcFace不需要與其他loss函數實現聯合監督,可以很容易地收斂於任何訓練數據集。
缺點:
● W模型很大