基于中心偏差估計和自適應間隔的人臉識別算法

摘要： 損失函數的設計在深度人臉識別中至關重要.常見做法是給所有類別添加固定的間隔項，以修改類別間的決策邊界，壓縮類內特征間距，提高模型分離不同類別特征的能力.然而，為所有類別添加相同的間隔項可能會忽略人臉識別數據集內類別間的不一致性.為進一步提升模型效果，模型應依據類別的學習難易程度，對不同類別樣本特征給予不同程度的關注.文中設計了基于類均值中心與類權重中心之間的偏差挖掘難類的方法，...