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!