基于中心偏差估計和自適應(yīng)間隔的人臉識別算法

摘要： 損失函數(shù)的設(shè)計在深度人臉識別中至關(guān)重要.常見做法是給所有類別添加固定的間隔項(xiàng)，以修改類別間的決策邊界，壓縮類內(nèi)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(xiàng)可能會忽略人臉識別數(shù)據(jù)集內(nèi)類別間的不一致性.為進(jìn)一步提升模型效果，模型應(yīng)依據(jù)類別的學(xué)習(xí)難易程度，對不同類別樣本特征給予不同程度的關(guān)注.文中設(shè)計了基于類均值中心與類權(quán)重中心之間的偏差挖掘難類的方法，... （共12頁）