하루에도 수만개의 글자를 읽고 있습니다. 하루에도 수백장의 종이를 들춰 읽습니다.
이것은 그 읽기에 대한 일기입니다.
Support Vector Guided Softmax Loss for Face Recognition
5월 26th, 2020 Posted by 룬룬
- Mining-based loss는 어려운 샘플에 집중하여 학습하도록 하지만 샘플 자체가 어렵다는 기준이 모호하다.
- Margin-based loss들은 학습 시 주어지는 class에 대해서는 margin을 넓혀 구분력이 좋아지지만, 학습 외 인물이 들어올 경우는 고려되지 않았다.
- 이 둘을 모두 고려한 SV-X Softmax를 제안하였다.
- 샘플 마다 weight를 달리하는 mining-based loss와는 달리, 클래스마다 weight를 달리하도록 하여 SV-Softmax를 먼저 제안하였다.
- SV-Softmax는 각 클래스의 class weight axis와 embedding간의 각도차를 조사하고, GT 클래스의 각도차보다 더 작은 각도차를 갖는 틀린 클래스가 존재할 경우 이들의 값을 증폭시켜 더 큰 gradient를 갖도록 하고, 그렇지 않은 경우에는 기존 softmax와 같도록 하였다.
- 여기에 A-Softmax, AM-Softmax, ArcFace를 그대로 적용한 SV-X-Softmax 추가로 제안하였다.
Add a Comment Trackback