人脸识别--ArcFace/InsightFace：additive angular margin loss for deep face recognition

原文链接：点击打开链接

源码地址：https://github.com/deepinsight/insightface

１.　From Softmax to ArcFace　

１.１　softmax

　　其中ｘ_ｉ表示第ｉ个样本的深度特征，属于第ｙ_ｉ类。特征的维数ｄ设置为512维。ｗ_ｊ表示最后全连接层的权值Ｗ的第ｊ列，ｂ是偏置项。batchsize和类别数分别为ｍ和ｎ。

１.２　weights normalisation

　　简单地，我们固定ｂ_ｊ＝０，然后将目标对数函数转换为如下：

我们用Ｌ２正则固定||ｗ_ｊ||＝１，使得预测仅仅依赖于特征向量和权重之间的角度。

在sphereface实验中，Ｌ2权重正则仅仅提高了一点性能。

１.３　Multiplicative Angular Margin

　　 在sphereface中，角边界ｍ以乘法的方式引进到角度中。

其中。为了去除这个限制，用一个分段单调函数代替。sphereface制定为：

ｍ是一个大于等于１的整数，用于控制角边界的大小。然而，在实现sphereface中，softmax监督用于保证训练收敛，这个权重用动态超参数来控制，事实上是：

其中是一个超参数来促进sphereface训练。在开始的时候设置为1000，然后减少到５，使得每个类的角空间更加紧凑。这个传统的动态超参数使得sphereface训练比较棘手。

１.４　特征归一化