BriefGPT - AI 论文速递
·
AdaSin：通过双重自适应惩罚提高人脸识别中的困难样本度量
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种新颖的AdaSin损失函数，旨在解决传统人脸识别方法在处理困难样本时的不足。该方法通过引入样本嵌入特征与真实类别中心之间的角度正弦，结合双重自适应惩罚与课程学习，增强了模型对困难样本的关注。实验结果表明，该方法的准确性优于现有技术。
🎯
关键要点
- 本研究提出了一种新颖的AdaSin损失函数。
- AdaSin损失函数旨在解决传统人脸识别方法在处理困难样本时的不足。
- 该方法通过引入样本嵌入特征与真实类别中心之间的角度正弦来度量困难。
- 结合双重自适应惩罚与课程学习，增强模型对困难样本的关注。
- 实验结果表明，该方法的准确性优于现有技术。
🏷️
标签
➡️
