BriefGPT - AI 论文速递
·
AdaSin: Enhancing Hard Sample Metrics in Face Recognition through Dual Adaptive Penalty
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种新的AdaSin损失函数，通过引入样本嵌入特征与真实类别中心之间的角度正弦，改进了人脸识别中的困难样本度量。结合双重自适应惩罚与课程学习，模型在训练后期更有效地关注困难样本，从而提取出更具判别力的人脸特征。实验证明，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的AdaSin损失函数，改进了人脸识别中的困难样本度量。
- AdaSin损失函数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量化困难样本。
- 结合双重自适应惩罚与课程学习，模型在训练后期更有效地关注困难样本。
- 该方法能够提取出更具判别力的人脸特征，实验证明其准确性优于现有技术。
🏷️
标签
➡️
