人脸识别算法总结

Center Learning

在每个batch里面更新对应特征和中心特征的欧氏距离，需要和softmax相结合

Large Margin softmax Loss

cos(mTheta)，不正则化权重向量，中间的margin为 (m-1)/(m+1) * Theta

SphereFace Loss

cos(mTheta)，正则化权重向量

Large Margin softmax Loss 和 SphereFace的 A softmax Loss是一个作者，方法的差异也仅在正则化特征权重向量

SphereFace推导了最小的m的大小，这里的边界不太好理解，mThetaA < ThetaB，当Sample属于类别A时，ThetaA < mThetaA < ThetaB，这里借鉴了Hinge Loss折页的思想，类间的边界是mThetaA

SphereFace推导m大小用了最小的类间角度要大于最大的类内角度，(m-1)ThetaA