人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition

A Discriminative Feature Learning Approach for Deep Face Recognition 
ECCV 2016

code: https://github.com/ydwen/caffe-face

本文针对人脸识别问题,针对 loss function提出了加入 center loss,使得学习到地 深度特征更加 discriminative 。

以前CNN网络主要使用 softmax loss,学习到的深度特征更侧重于 separable。但是对于人脸识别问题,由于测试样本很可能不包含在学习样本中,所有我们更加需要discriminative的特征。

这里写图片描述

3.1 softmax loss 函数定义如下 
这里写图片描述

下图所示为 softmax loss 学习到的二维特征分布图 
这里写图片描述

3.2 The center loss 
直观定义如下: 
这里写图片描述

上面定义的实现有些困难,做了些便于算法实现的修改,如下所示: 
这里写图片描述

总体损失函数如下: 
这里写图片描述

新的损失函数学习到的特征分布图 
这里写图片描述

算法流程图如下所示: 
这里写图片描述

数据库上的测试结果对比: 
这里写图片描述

这里写图片描述

这里写图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值