【人脸识别】ElasticFace：基于Cosface和ArcFace改进的弹性Margin loss

论文题目：《ElasticFace: Elastic Margin Loss for Deep Face Recognition》
论文地址：https://arxiv.org/pdf/2109.09416v4.pdf
论文代码：https://github.com/fdbtrs/ElasticFace

1.背景

       cosface和arcface等常用的人脸识别损失都是使用固定的margin。这样的学习目标对于具有不一致的类间和类内变化的真实数据是不现实的，这可能会限制人脸识别模型的判别性和泛化性。
       ElasticFace：提出弹性惩罚margin loss (ElasticFace) 来放松固定惩罚margin约束，该损失允许灵活地推动类可分离性。主要思想是在每次训练迭代中利用从正态分布中抽取的随机margin。这旨在为决策边界提供extract and retract的机会，以便为灵活的类可分离性学习留出空间。

2. Elastic Angular Margin Penalty-based Loss (ElasticFace)

3.实验