NormFace: L2 Hypersphere Embedding for Face Verification

發佈於2017年。 1 簡介 對softmax loss函數進行了修改，優化了餘弦相似度。 通過爲每個類引入代理向量來重新制定度量學習。 在LFW數據集上將性能提高0.2%到0.4%。 問題： 對比分類損失訓練的CNN特徵，尤其是softmax loss，爲什麼特徵歸一化如此有效？ 爲什麼使用softmax loss直接優化餘弦相似度會導致網絡收斂失敗？ 使用softmax loss時如何優化餘弦

>>阅读原文<<