【论文阅读】centerloss

论文题目：A Discriminative Feature Learning Approach for Deep Face Recognition
中文翻译：一种用于深度人脸识别的判别特征学习方法
论文地址：https://pan.baidu.com/s/1up_PWpR85HqVe10yhFzHoQ
发布时间：2016

0，摘要
    卷积神经网在计算机视觉领域得到了广泛的应用，极大提高了计算机视觉的技术水平。在现在大部分的CNN网络中，softmax损失函数监听信号来训练深度模型。为了提高深度学习特征的辨识能力，本文提出一种新的监督信号——中心损失，完成人脸的识别任务。具体来说，中心损失学习每个类的深度特征中心，并惩罚深度特征与其对应类中心的距离。重要的是，我们已经证明中心损失函数在CNN网络中可训练且易于优化。softmax算是和centerloss联合使用，可以训练一个鲁棒的cnn网络，尽可能多的获得两个学习目标的深度特征，即类间不一致和类内紧凑，这对于人脸识别是非常必要的。CNN网络在几个重要的人脸识别标准上达到了最先进的精度，在LFW、YouTube YTF和MegaFace Chanllenge数据集上。而且，我们的新方法在MegaFace的协议下小训练集(500k张图片和20k人脸)，显著的改善以前的结果和设置新的人脸识别和验证任务。

1，引言
    卷积神经网络在计算机视觉领域取得了重大的成功，显著提高了计算机分类的水平，如目标检测[11,12,18,28,33], 分割[41,42]到[3,16,36]等等。它主要得益于大规模训练数据[8,26]和端到端学习框架。常用的CNN进行特侦学习和标签预测，将输入数据映射到深度特征最后一个一隐含层输出，然后进行预测标签，如图1所示。