摘要：
对这部分不了解的可以看看： 人脸识别和检测中loss学习 - 7 - SphereFace NormFace: L2 Hypersphere Embedding for Face Verification - 1 - 论文学习 人脸识别和检测中loss学习 - 9 - ADDITIVE MARGIN 阅读全文
摘要：
该方法通过减法的方式将边际margin参数m引入softmax中，cosθ - m 原始的softmax loss函数为： f表示的是最后一个全连接层的输出(fi表示的是第i个样本)，Wj表示的是最后全连接层的第j列。WyiTfi被叫做target logit 在A-softmax损失函数中，则是会 阅读全文
摘要：
1.错误标记 即标记该图时就已经出错 2.假阴性： 即该图本应该判断正样本的，但是可能因为照片中化妆、带眼镜、人物造型变化比较大或是遮挡等原因导致它被误判为负样本 3.假阳性： 即该图本应该判断负样本的，但是可能因为其与正样本人的五官非常相似，所以被误判为正样本 阅读全文
摘要：
可见NormFace: L2 Hypersphere Embedding for Face Verification - 1 - 论文学习 阅读全文
摘要：
To sum up, the Cosine Loss[17], vMFMM[21] and our proposed loss functions optimize both features and weights, while the L2-softmax[24] normalizes the 阅读全文
摘要：
Abstract 3D Morphable Models (3DMMs)是一种统计模型，它使用一组线性基和更特殊的主成分分析(PCA)来表示面部纹理和形状的变化。采用3DMMs作为统计先验，通过求解非线性最小二乘优化问题，从图像中重建三维人脸。最近，3DMMs被用作训练非线性映射的生成模型。通过深度 阅读全文
摘要：
论文下载：http://openaccess.thecvf.com/content_cvpr_2017/papers/Liu_SphereFace_Deep_Hypersphere_CVPR_2017_paper.pdf SphereFace: Deep Hypersphere Embedding 阅读全文
摘要：
论文：https://ydwen.github.io/papers/WenECCV16.pdf A Discriminative Feature Learning Approach for Deep Face Recognition 和contrastive loss的作用类似，就是和softmax 阅读全文
摘要：
论文链接与数据集下载：VGGFace—-Deep Face Recognition本文主要内容有二： 1）从零开始构建一个人脸识别数据库，一共 2.6M images, over 2.6K people，构建过 程主要是程序实现的，少量人工参与。 2）通过对比各种CNN网络，提出了一个简单有效的CN 阅读全文
摘要：
论文地址：Deep Learning Face Representation by Joint Identification-Verification 但是其主要的改进就是： 之前的softmax loss主要是用来增大类间差距，即两个不同类之间的差距 但是对类内差距的影响不大，其实就是希望同一个类 阅读全文