基于余弦距离损失与卷积神经网络的人脸识别

• 作者: 孟亮 贾海波
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人脸识别 卷积神经网络(CNN) 深度学习 余弦损失函数 度量学习
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 140-145
• 页数: 6页
• 分类号: TP391
• 字数: 3658字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1901-0338

摘要

由于最近卷积神经网络在计算机视觉任务中的发展,深度人脸识别方法的性能得到了显著提高.现有的深度人脸模型将人脸识别任务视为一个分类任务或度量学习任务,旨在学习到具有区分度的人脸特征,但是很少能达到类内距离小、类间距离大的特点.损失函数作为监督信号,在卷积神经网络学习人脸特征时起到重要的作用.提出基于余弦距离的Softmax损失函数(Cosine Softmax Loss,CSL),让人脸特征区分度更高.使用相同的网络模型和训练数据集,在LFW和YTF等数据集上的实验结果验证了所提方法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟亮	太原理工大学信息与计算机学院	10	48	3.0	6.0
2	贾海波	太原理工大学信息与计算机学院	1	0	0.0	0.0