兵工学报 ›› 2021, Vol. 42 ›› Issue (11): 2424-2432.doi: 10.3969/j.issn.1000-1093.2021.11.016
才华1,2, 孙俊1, 朱瑞昆1, 朱新丽1, 赵义武3
CAI Hua1,2, SUN Jun1, ZHU Ruikun1, ZHU Xinli1, ZHAO Yiwu3
摘要: 人脸识别是计算机视觉的一个重要研究方向,其中有效的损失函数在人脸识别中起着至关重要的作用。针对现有损失函数没有考虑边际情况,导致模型收敛有限,且在不均衡样本中泛化能力不强的问题,提出自适应圆边际损失函数方法,对边际自身进行研究。通过对边际进行自适应学习,为不同类别学习独有的边际,产生自适应圆边际。为少量样本学习更大边际,从而对少量样本数据类内压缩更紧凑,使模型泛化能力更强,对5种常见的人脸识别基准Megaface、IJB-C、LFW、LFW BLUFR和YTF进行广泛分析和实验验证。结果表明,该方法在不均衡数据集中对现有方法的精确度整体提高了0.5%,有效提高了模型泛化能力,具有明确的收敛状态。
中图分类号: