하루에도 수만개의 글자를 읽고 있습니다. 하루에도 수백장의 종이를 들춰 읽습니다.
이것은 그 읽기에 대한 일기입니다.
Ring loss: Convex Feature Normalization for Face Recognition
5월 26th, 2020 Posted by 룬룬
- 얼굴 인식을 위한 마지막 softmax의 학습 방법에 대해 더 나은 로스를 제시한다.
- 어느 한 샘플 입력에 대하여 백본이 만들어낸 embedding의 길이에 따라 특정 클래스로 선택될 수 있는 margin이 달라진다. 이를 Angular classification margin이라고 한다.
- 이는 벡터의 norm과 관련이 있어 norm이 이 클 수록 angular classification margin이 넓어진다.
- 때문에 분류가 어려운 샘플일 수록 이 margin을 늘리도록 학습되어 embedding 벡터의 norm이 커지도록 학습되는 경향이 있다.
- 네트워크는 각 클래스마다 일정한 norm을 갖는 벡터를 생성하지 못하고 서로 다른 norm을 가지도록 학습되어 분류 성능이 낮아진다.
- 클래스의 norm에 대한 조건인 Ring loss를 제시하고 이를 softmax loss에 추가하여 성능을 향상시켰다.
Add a Comment Trackback