NormFace: L2 Hypersphere Embedding for Face Verification

发布于2017年。 1 简介 对softmax loss函数进行了修改，优化了余弦相似度。 通过为每个类引入代理向量来重新制定度量学习。 在LFW数据集上将性能提高0.2%到0.4%。 问题： 对比分类损失训练的CNN特征，尤其是softmax loss，为什么特征归一化如此有效？ 为什么使用softmax loss直接优化余弦相似度会导致网络收敛失败？ 使用softmax loss时如何优化余弦

>>阅读原文<<