根因分析-Loss函数

通过分析Fashion-Mnist数据集算法基线中的Loss函数，发现问题根因、寻找解决办法、并快速进行算法验证

目录

• 1 SoftMax
• 2 SphereFace
• 3 ArcFace

1 SoftMax

在基线算法中卷积神经网络，采用了SoftMax函数，

准确率如下：

混淆矩阵如下：

卷积神经网络作为基线算法，准确率最高为94.15%。

2 SphereFace

[1]是CVPR2017的文章，用改进的softmax做人脸识别，改进点是提出了angular softmax loss（A-softmax loss）用来改进原来的softmax loss。 M=2、4、6 的准确率如下：

M=2 混淆矩阵如下：

SphereFace在M=2时，准确率最高为95.32%，比卷积神经网络基线版本，提升与1.17%，并且解决了部分分类不准确的问题。

3 ArcFace

论文[2]原名是ArcFace，但是由于与虹软重名，后改名为Insight Face，截止2018年3月，是MegaFace榜第一，达到了98.36%的成绩。 M=0.5、2、4 的准确率如下：

M=0.5 混淆矩阵如下：

ArcFace在M=0.5时，准确率最高为94.28%，比卷积神经网络基线版本，提升与0.13%。

参考

• 4uiiurz1/keras-arcface
• auroua/InsightFace_TF
• YunYang1994/SphereFace
• SphereFace论文学习
• wujiyang/Face_Pytorch
• Kakoedlinnoeslovo/center_loss
• clcarwin/sphereface_pytorch
• YirongMao/softmax_variants

论文

• [1] Weiyang Liu, Yandong Wen, Zhiding Yu, Ming Li, Bhiksha Raj, Le Song. "SphereFace: Deep Hypersphere Embedding for Face Recognition"
• [2] Jiankang Deng, Jia Guo, Niannan Xue, Stefanos Zafeiriou. "ArcFace: Additive Angular Margin Loss for Deep Face Recognition"
• [3] Hao Wang, Yitong Wang, Zheng Zhou, Xing Ji, Dihong Gong, Jingchao Zhou, Zhifeng Li, Wei Liu. "CosFace: Large Margin Cosine Loss for Deep Face Recognition"
• [4] Liu, Weiyang and Lin, Rongmei and Liu, Zhen and Liu, Lixin and Yu, Zhiding and Dai, Bo and Song, Le. "Learning towards Minimum Hyperspherical Energy" (SphereFace+ is described in Section 5.2 of the main paper)
• [5] Zhong, Zhun and Zheng, Liang and Kang, Guoliang and Li, Shaozi and Yang, Yi. "Random Erasing Data Augmentation"