超级会员免费看
CurricularFace是一种新的深度人脸识别损失函数，它结合了课程学习理念，解决了基于间隔和难样本挖掘方法的不足。该方法在训练初期重视易样本，后期聚焦难样本，通过动态调整样本重要性促进模型收敛和性能提升。相比于ArcFace和MV-softmax，CurricularFace表现出更好的效果。
论文题目：《CurricularFace: Adaptive Curriculum Learning Loss for Deep Face Recognition》
论文地址：https://arxiv.org/pdf/2004.00288v1.pdf
代码地址：https://github.com/HuangYG123/CurricularFace
建议先了解下这篇文章：MV-softmax
1.背景
人脸识别中常用损失函数主要包括两类，基于间隔和难样本挖掘，这两种方法损失函数的训练策略都存在缺陷。前一种方法是对所有样本都采用一个固定的间隔值，没有充分利用每个样本自身的难易信息，这可能导致在使用大边际时出现收敛问题；后一种方法则在整个网络训练周期都强调难样本，可能出现网络无法收敛问题。在本论文中，提出了一种新的自适应课程学习损失函数，称为CurricularFace，它能够很好地解决上述两类损失函数存在的问题。
下图是Curric
订阅专栏 解锁全文
扫一扫
2185
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
