人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition

A Discriminative Feature Learning Approach for Deep Face Recognition
ECCV 2016

code: https://github.com/ydwen/caffe-face

本文针对人脸识别问题,针对 loss function提出了加入 center loss,使得学习到地 深度特征更加 discriminative 。

以前CNN网络主要使用 softmax loss,学习到的深度特征更侧重于 separable。但是对于人脸识别问题,由于测试样本很可能不包含在学习样本中,所有我们更加需要discriminative的特征。

人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第1张图片

3.1 softmax loss 函数定义如下
人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第2张图片

下图所示为 softmax loss 学习到的二维特征分布图
人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第3张图片

3.2 The center loss
直观定义如下:
这里写图片描述

上面定义的实现有些困难,做了些便于算法实现的修改,如下所示:
人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第4张图片

总体损失函数如下:
人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第5张图片

新的损失函数学习到的特征分布图
人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第6张图片

算法流程图如下所示:
人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第7张图片

数据库上的测试结果对比:
人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第8张图片

人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第9张图片

人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition_第10张图片

你可能感兴趣的:(人脸识别,ZJ,ECCV2016)