-
公开(公告)号:CN115761851A
公开(公告)日:2023-03-07
申请号:CN202211442334.5
申请日:2022-11-16
Applicant: 南昌大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/047 , G06N3/0985
Abstract: 本发明提出一种基于全局信息的余弦最优损失函数的优化方法,包括:S1.将现有损失函数的优点与一些重要的新属性相结合,应用L2权重归一化;S2.明确遵循最小化类内变化和最大化类间变化两个目标,依靠一种新的算法来学习类中心和类边缘的余弦相似度,并分别提出两个轻量化版本的余弦最优损失函数;S3.整合上述两个轻量化版本来创建余弦最优损失函数的标准版本。本发明主要针对现有损失函数没有应用权重和特征归一化或未明确遵循最小化类内变化和最大化类间变化的问题,使用全局信息作为人脸识别的反馈,提出了一种基于全局信息的余弦最优损失函数,相比于现有的损失函数,该损失函数更加有效并实现了更先进的性能。
-