基于最小边际损失的人脸识别方法的研究

得益于近几年深度神经网络的快速发展,人脸识别技术取得了巨大的成功。在深度神经网络中使用不同的损失函数会产生不同的效果。现有的一些损失函数已经拥有了很好的性能,然而它们无法解决类别不平衡数据集中存在的边际偏差问题,即长尾分布问题。提出了一种新的损失函数,最小边际损失,旨在扩大那些过度封闭的类中心对的边界,以增强深度特征的判别能力。在Inception-ResNet-v1中加入了最小边际损失函数,并在多个人脸识别基准数据集上进行了大量实验。实验结果表明,最小边际损失函数提升了人脸识别的能力,减少了边际偏差的负面影响。