中心损失与Softmax损失联合监督下的人脸识别

• 作者: 余成波 熊递恩 田桐 许琳英
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 深度学习 中心损失 Softmax损失 动量 人脸识别
• 年，卷（期）: 2018,（5）
• 页码范围: 92-100
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2018.05.012

摘要

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力.在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离.其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率.最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31％的人脸识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余成波	重庆理工大学远程测控与信息处理研究所	65	369	12.0	14.0
2	田桐	重庆理工大学远程测控与信息处理研究所	3	16	2.0	3.0
3	熊递恩	重庆理工大学远程测控与信息处理研究所	2	21	2.0	2.0
4	许琳英	重庆理工大学远程测控与信息处理研究所	2	14	2.0	2.0