-
题名结合改进的损失函数与多重范数的人脸识别
被引量：5
- 1
-
-
作者
张飞翔
余学儒
何卫锋
李琛
-
机构
上海交通大学电子信息与电气工程学院微纳电子学系
上海集成电路研发中心有限公司ai部
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第24期144-150,共7页
-
基金
国家自然科学基金(No.61774104)。
-
文摘
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。
-
关键词
损失函数
L_2范数
多重范数
人脸识别
-
Keywords
loss function
L2-norm
multiple-norm
face recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
