结合改进的损失函数与多重范数的人脸识别

• 作者: 何卫锋 余学儒 张飞翔 李琛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 损失函数 L2范数 多重范数 人脸识别
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 144-150
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1909-0229

摘要

针对在卷积神经网络中定义损失函数为余弦裕度损失函数(Cosineface)后导致收敛变慢以及在实际使用过程中使用L2范数衡量特征相似度存在缺陷的问题,提出了斜率可变的余弦裕度损失函数(Kcosine)和多重范数计算特征相似度的方法.该方法通过在余弦裕度损失函数的基础上添加余弦斜率因子,使得损失函数类内约束随着余弦值的增大而逐渐增强,显式地缩小类内距离,同时利用L2范数和L∞范数构建人脸特征相似度向量,并通过支撑向量机(SVM)实现分类,修正L2范数空间衡量的不稳定性.在LFW和Agedb的数据库上1:1验证实验表明,改进的损失函数不仅加快了训练的收敛速度,并且将类内距离减少15％以上,同时通过使用多重范数特征代替L2范数,可以将识别率均值提升0.1％左右,标准差也有所降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何卫锋		35	100	4.0	9.0
2	李琛		24	50	4.0	6.0
3	余学儒		2	1	1.0	1.0
4	张飞翔		1	0	0.0	0.0