CenterLoss[2016-ECCV]

Motivation

Contrastive loss、Triplet loss通过构建基于pair、triplet的损失函数来实现End2End的人脸模型，但是其缺点也非常显著：样本量非常大、模型收敛很慢、训练过程不稳定！基于SoftMax loss得到的人脸模型，在实际使用时embedding-feature的区分能力往往不足【本质原因：softmax只是在特征空间将各类样本划分开，而不考虑类内是否compact！！！】。鉴于上述痛点，作者提出如下改进：

                                 

• CenterLoss : softmax-loss  + center-loss.
• 实现简单、训练方便；

Novelty

                               

从左往右，lambda = [1e-3, 1e-2, 0.1, 1]

Details

                

Experiment

                                           

Comment

• 效果较FaceNet差一些，但是实现简单、训练容易！