CVPRApr, 2022

AdaFace：用于人脸识别的质量自适应边距

PDF
TL;DR本研究提出了一种新的损失函数 AdaFace，它可以基于图像质量加重不同难度的样本，通过用特征范数来近似图像质量，从而提高人脸识别性能。
face recognitionlow quality datasetmargin-based loss functionsadaptive marginsimage quality
发现论文，激发创造
  • KappaFace: 深度人脸识别的自适应加性角边界损失

    通过 KappaFace 算法和 von Mises-Fisher 分布相结合，提出了一种考虑类不平衡问题的大规模人脸识别方法，该算法有效提高了深度人脸识别的性能。

    Jan, 2022

  • CurricularFace: 用于深度人脸识别的自适应课程学习损失

    本文提出了一种新的适应性课程学习损失（CurricularFace），通过将课程学习的思想嵌入到损失函数中来实现深度人脸识别的新型训练策略，旨在解决早期训练阶段的简单样本和后期的困难样本。该方法根据样本的难易程度自适应地调整简单和困难样本的相对重要性，在各个阶段分配不同的样本，实验结果表明该方法优于现有竞争对手。

    Apr, 2020

  • 人脸识别质量感知样本对比

    本文提出了质量感知的学习过程（QAFace），通过在样本级别将质量感知引入到分类训练范式中，该模型将 Softmax 中心自适应引导到更多注意训练数据集中可识别的低质量样本，从而提高了模型对低质量样本的性能，并高于 CFP-FP，LFW，CPLFW，CALFW，AgeDB，IJB-B 和 IJB-C 数据集上的最先进算法。

    Jun, 2023

  • X2-Softmax：人脸识别的边界自适应损失函数

    该论文提出了一种新的角度自适应边界损失函数 X2-Softmax，通过增加类别之间的角度来提供自适应边界，从而提高人脸识别的效果。

    Dec, 2023

  • ElasticFace：用于深度人脸识别的弹性边缘损失

    本文旨在提高面部识别模型的鉴别能力，并提出弹性惩罚边缘损失 (ElasticFace) 来放松固定惩罚边缘的限制，该方法采用每个训练迭代中从正态分布中绘制的随机边缘值，以提高面部识别性能。

    Sep, 2021

  • 自适应均值残差损失用于鲁棒的面部年龄估计

    本文提出了一种简单而有效的损失函数，即自适应均值残差损失用于鲁棒人脸年龄估计，并通过 FG-NET 和 CLAP2016 数据集证实了其有效性。

    Mar, 2022

  • 基于误分类向量引导的人脸识别 Softmax 损失

    本论文提出了一种新的适应性损失函数，该函数强调错分特征向量以指导较有区别的特征学习，从而解决传统损失函数在面部识别中存在的问题，并在多个基准测试上取得了比其他先进替代方案更有效的实验结果。

    Nov, 2019

  • 具有自适应置信边界的半监督深度面部表情识别

    本文提出一种适应性置信区间（Ada-CM）的半监督深度面部表情识别方法，其通过将未标记数据完全利用来提高识别性能，并在四个具有挑战性的数据集上取得了领先的表现，并证明该方法的有效性。

    Mar, 2022

  • ArcFace：深度人脸识别的加性角度间隔损失

    本文介绍了一种新的面部识别方法，使用 ArcFace 和子中心 ArcFace 方法来提高分类效果并且减少噪声影响，并且可以通过训练好的模型生成身份保持的面部图像。

    Jan, 2018

  • 深度人脸识别的最小边界损失

    该研究提出了一种新的最小间隔损失函数 (MML)，用于增强深度特征的区分能力，该方法能够取得最先进的性能表现。

    May, 2018