URL:
论文pdf
TL;DR
识别softmax相关文章。主要目的是对类别自适应的margin。
方法
框架结构图方法创新点主要包括3个部分:AdaM-Softmax,ADS和HPM。
Adaptive Margin Softmax
如下图,以cosface为例,深蓝色区域为我们想要约束 的特征空间,但实际的特征空间却是浅蓝色区域。原因主要为 的数据量比较少。但如图(b)所示,如果我们给 一个比较大的margin就可以学习到比较好的特征空间。
如下,loss函数比较简单。将cosface(或者arcface等)的margin 改为参数学习,然后约束各类别的margin的平均值最大。
adam softmax loss
如下图,可以明显得看出相比于cosface,adam-softmax不同类别之间的特征更加易区分。
特征空间示例对比
Hard Prototype Mining:挑选容易误判的sample进行参数更新。
Adaptive Data Sampling:每次迭代时增大错误样本的采样,减小简单样本和脏数据(卡阈值)的采样
实验上也有较明显的涨点。
实验
网友评论