Loss Function Search for Face Recognition
作者团队:京东AI 研究院&中科院
代码(即将开源):Xiaobo Wang
论文下载链接: https:// arxiv.org/abs/2007.0654 2
注:如果上述链接无法访问或者下载速度过慢,可以看文末,已上传至百度云,方便下载
为当前基于margin的softmax损失设计统一的公式,并定义新的搜索空间,开发了一种奖励指导的搜索方法来自动获得最佳候选。在各种人脸识别基准上的实验证明了本方法SOTA,如搜索的Search-Softmax,代码即将开源!
用于人脸识别的损失函数搜索
在人脸识别中,设计基于margin的(例如,角,加法,加法角余量)softmax损失函数在学习判别特征中起重要作用。但是,这些手工制作的启发式方法并不理想,因为它们需要大量的精力来探索较大的设计空间。
最近,已经提出了一种用于损失函数搜索方法AM-LFS的AutoML,该方法利用强化学习在训练过程中搜索损失函数。但是它的搜索空间既复杂又不稳定,阻碍了它的优越性。
在本文中,我们首先分析了增强特征判别的关键实际上是如何降低softmax概率。然后,我们为当前基于margin的softmax损失设计统一的公式。因此,我们定义了一个新颖的搜索空间,并开发了一种奖励指导的搜索方法来自动获得最佳候选。在各种人脸识别基准上的实验结果证明了我们的方法优于最新技术的有效性。
实验结果
下载
链接: https:// pan.baidu.com/s/11XfWVV AA957E51GpGgX_Jg
提取码:jn5f
推荐阅读
ECCV 2020 | 即插即用!PSConv:将特征金字塔压缩到紧凑的多尺度卷积层中
增强注意力!DCANet:学习卷积神经网络的连接注意力
RarePlanes:最大的真实/合成的飞机检测和分类数据集
GBDT与NAS强强联手!中科大&MSRA提出GBDT-NAS:使用GBDT进行神经网络架构搜索