SphereFace: Deep Hypersphere Embedding for Face Recognition - 人脸识别 - Angular softmax loss

Paper name

SphereFace: Deep Hypersphere Embedding for Face Recognition

Paper Reading Note

URL: https://arxiv.org/pdf/1704.08063.pdf

TL;DR

该篇文章出自CVPR2017，提出了angular softmax(A-Softmax) loss来增强用于人脸识别任务的卷积神经网络产生更具判别性特征的能力。从几何角度看，A-Softmax损失可被视为将人脸特征强制约束在超球面流形上，同时各特征在超球面上的角度margin可以通过参数m来进行调节。基于A-Softmax损失实现的模型在LFW、YTF、MegaFace等数据集上取得了SOTA结果。

Introduction

Dataset/Algorithm/Model/Experiment Detail

数据集

实现方式

以上提到的三个loss的分界面如下表所示：

A-softmax loss与欧氏距离margin loss与modified softmax loss的对比情况如下：

实验结果

Thoughts

该篇文章的创新其实很简单，最简单来看就是在modified softmax loss的基础上加了一个角度的margin约束，以提高类内相似性的同时增加类间区分度。作者能将这么一个简单的想法构造成一篇理论基础扎实、证明充分、展示生动、实验丰富的文章是值得学习的。