（Caffe人脸识别）CosineFace、ArcFace、MobileFaceNet、Combined Margin loss的原理以及在caffe中的层实现

    对于CosineFace、MobileFaceNet、ArcFace、Combined Margin loss这四种损失函数，都是为了提高人脸识别的分类效果，在原有softmax loss进行改进的。

    在这几个改进之前，最早的是基于W-Norm的SphereFace（cosmθ），以及基于W-Norm和F-Norm的SphereFace（scosmθ），这里不对这两种做介绍，直接从cosineFace进行介绍。

一、相关loss层的caffe层实现

   由于这些改进的损失函数都是将分类的任务修正到了角度空间中，因此需要新加入相关的角度空间计算操作的层。

    其中CosineFace和MobileFacenet都是利用https://github.com/xialuxi/AMSoftmax提供的LabelSpecificAdd层进行公式中的：

                     cosθ-m

    的操作。

     ArcFace，则是利用https://github.com/xialuxi/arcface-caffe提供的CosinAddm层进行公式中的：

                      cos（θ+m）

     的操作。

     而Combined Margin loss则是利用