人脸识别 -- AMSoftmax : Additive Margin Softmax for Face Verification

最新推荐文章于 2024-03-06 01:02:50 发布
VIP文章 最新推荐文章于 2024-03-06 01:02:50 发布
阅读量1.8k 收藏 2
点赞数 1
分类专栏： 人脸验证 文章标签： 人脸识别 人脸验证
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33783896/article/details/80593035
版权

Additive Margin Softmax for Face Verification

论文地址：点击打开链接

源码地址：点击打开链接

1. Softmax loss


其中f为最后全连接层的输入（fi表示第i个样本），wj为全连接层的第j列。

2. A-Softmax loss 



3. AMSoftmax loss

本文提出的方法将cos(mθ)更改为cos

最低0.47元/天 解锁文章
qq_33783896
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
专栏目录
论文（ArcFace: Additive Angular Margin Loss for Deep Face Recognition）翻译
12-13
使用特征学习的主要挑战之一深度卷积神经网络（DCNN）用于大规模人脸识别是适度损失的设计可以增强判别力的功能。中央损失会惩罚深层特征之间的距离他们相应的班级中心在欧几里得空间实现类内的紧凑性。 SphereFace...
如何走近深度学习人脸识别？你需要这篇超长综述 | 附开源代码
Paper weekly
04-04 1万+
作者丨葛政学校丨早稻田大学硕士生研究方向丨深度学习，计算机视觉个人博客丨Xraft.Lab相信做机器学习或深度学习的同学们回家总会有这样一个烦恼：亲朋好友询问你从事什么工作的时候，如何通俗地解释能避免尴尬？我尝试过很多名词来形容自己的工作：机器学习，深度学习，算法工程师/研究员，搞计算机的，程序员…这些词要么自己觉得不满意，要么对方听不懂。经历无数次失败沟通，最后总结了一个简单实用的答案：“做人脸
人脸识别从原理到实践
迷若烟雨的专栏
09-02 7766
人脸识别是目前深度学习领域应用最为广泛的领域之一，各大框架都有不错的开源项目，可以在短时间内达到99.5%以上的精度，咱们话不多说，直接开干.
一文详解Softmax函数
最新发布
u013250861的博客
03-06 982
提到二分类首先想到的可能就是逻辑回归算法。逻辑回归算法是在各个领域中应用比较广泛的机器学习算法。逻辑回归算法本身并不难，最关键的步骤就是将线性模型输出的实数域映射到[0, 1]表示概率分布的有效实数空间，其中Sigmoid函数刚好具有这样的功能。sigmoid激活函数例如使用逻辑回归算法预测患者是否有恶性肿瘤的二分类问题中，输出层可以只设置一个节点，表示某个事件A发生的概率为 𝑃(𝐴|𝑥) ，其中x为输入。
Additive Margin Softmax for Face Verification
yangjf91的博客
06-29 896
摘要   Additive Margin Softmax(AM-Softmax)是一个结构简单、几何可解释的目标函数，可用于深度人脸验证。该函数和特征归一化相结合，取得了很好的效果。    引言   对度量学习的损失函数进行总结： 作者认为对比损失函数、三元组损失函数对样本挖掘策略非常敏感，需要耗费大量资源在策略设计上，因此现在的研究更多还是在设计更好的分类损失函数上； 而对于使用广泛的
AM-Softmax
cdknight_happy的专栏
03-05 1539
论文：Additive Margin Softmax for Face Verification 0 摘要 AM-Softmax，additive margin softmax。 人脸识别任务是一个度量学习任务，目的是使学习到的特征具有类内高度聚合、类间尽可能分离的特性。前面L-softmax和Sphereface中都通过乘积的方式解释了人脸识别中的角度间隔。本文作者提出了为softmax los...
【论文笔记】Additive Margin Softmax for Face Verification
shaoxiaohu的专栏
01-28 9287
之前的L-Softmax, A-Softmax引入了角间距的概念，用于改进传统的softmax loss函数，使得人脸特征具有更大的类间距和更小的类内距。作者在这些方法的启发下，提出了一种更直观和更易解释的additive margin Softmax (AM-Softmax)。
人脸识别损失函数(Center-Loss、A-Softmax、AM-Softmax、ArcFace)
bbbeoy的专栏
05-30 249
引用
【论文阅读】AM-Softmax：Additive Margin Softmax for Face Verification. 1801.05599.【损失函数设计】
py今天刷题了吗
01-21 2883
文章目录1. 四个问题2. 论文简介1. Introduction2. Preliminaries3. Additive Margin Softmax3. 参考链接 1. 四个问题 解决什么问题 提升人脸分类准确度 用了什么方法解决 提出了一种新的损失函数。AM-Softmax loss 目的是进一步增大类间差异，缩小类内差异 效果如何 我们在LFW和Megaface数据集下的实验表明，我们的additive margin softmax loss始终比使用相同网络架构和训练数据集的当前最先进方
ArcFace: Additive Angular Margin Loss for Deep Face Recognition
12-03
Deep Convolutional Neural Networks (DCNNs) for large- scale face recognition is the design of appropriate loss func- tions that enhance discriminative power. Centre loss pe- nalises the distance ...
人脸识别 L-Softmax
03-01
Cross-entropy loss together with softmax is arguably one of the most common used supervision components in convolutional neural networks (CNNs). Despite its simplicity, popularity and excellent performance, the component does not explicitly encourage discriminative learning of features. In this paper, we propose a generalized large-margin softmax (L-Softmax) loss which explicitly encourages intra-class compactness and inter-class separability between learned features. Moreover, L-Softmax not only can adjust the desired margin but also can avoid overfitting. We also show that the L-Softmax loss can be optimized by typical stochastic gradient descent. Extensive experiments on four benchmark datasets demonstrate that the deeply-learned features with L-softmax loss become more discriminative, hence significantly boosting the performance on a variety of visual classification and verification tasks
margin-softmax:keras的margin-softmax稀疏实现
04-27
keras的margin-softmax稀疏实现 Keras的AM-Softmax，AAM-softmax等工具。 使用GRU + AM-Softmax的语义相似性模型。
softmax算法的理解
11-29
通过介绍可以对softmax有一个更好地理解，通过对其深入学习。
Insight Face论文翻译：ArcFace: Additive Angular Margin Loss for Deep Face Recognition
04-12
本人翻译的Insight Face论文：ArcFace: Additive Angular Margin Loss for Deep Face Recognition。由于水平有限，因此文中很多名词不明白怎么翻译，还有可能存在一些地方有错误翻译，建议对照英文版原文比对着看。...
AMSoftmax
唧唧复歪歪
03-23 762
首先，不同于Softmax，AMSoftmax属于Metric Learning——缩小类内距增大类间距的策略。下图2形象的解释了Softmax 和 AMSoftmax的区别，Softmax能做到的只能是划分类别间的界线——绿色虚线，而AMSoftmax可以缩小类内距增大类间距，将类的区间缩小到Target region范围，同时又会产生margin大小的类间距。 ...
AM-Softmax的keras实现: 《Additive Margin Softmax for Face Verification》
明年暑假升初中的博客
03-28 5550
原答案在对输入进行归一化时有错误，另外m应该是一个固定的超参数不需要训练，已改正 论文地址：Additive Margin Softmax for Face Verification 和L-Softmax、A-Softmax比简单很多，在minist上测试通过，两个500节点的全连接层 + 10个节点的分类层，训练两轮验证集的acc达到97+%。 运行环境： keras：2.1.5...
人脸识别系列（十六）：AMSoftmax
热门推荐
Fire_Light_的博客
03-18 2万+
论文链接：Additive Margin Softmax for Face Verification AMSoftmax Softmax ASoftmax 这是在SphereFace中提出来的损失函数 AMSoftmax 这就是本文新提出的损失函数了。其变化就在于修改了Cos(mθ)为一个新函数： 与ASoftmax中定的的类似，可以达到减小对应标签项的概率，增大...
论文阅读笔记：AM-Softmax: Additive Margin Softmax for Face Verification
ProYH
07-25 3918
论文阅读笔记：AM-Softmax: Additive Margin Softmax for Face Verification Tags：Deep_Learning_基础论文 本文主要包含如下内容：   论文地址   代码地址   参考博客 论文阅读笔记：AM-Softmax: Additive Margin Softmax for Face Verification 主...
arcface: additive angular margin loss for deep face recognition
06-28
ArcFace是一种用于深度人脸识别的加性角度边界损失函数。它通过将人脸特征向量映射到一个高维球面空间中，来实现对人脸的准确识别。该方法在LFW、CFP和MegaFace等公共数据集上都取得了非常好的效果。

“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 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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