损失函数的演进--1

人脸辨识技术在Deepface出现後，就开始使用Deep learning来进行人脸辨识，在使用各种模型进行训练时，使用的Loss function也在依照训练的需求持续进化中，在人脸系统的辨识阶段，通常是使用撷取出来的特徵值，使用欧式距离来判断侦测的人是否与资料库中的哪一人相似度最高，并设定一个门槛值来决定侦测的人侦的为资料库中的那一人。

以时间顺序来介绍

在2014年出现的Softmax 在分类问题当中，该样本预测为每一种类别的机率是多少，假设讨论一个有五种类别的分类问题，预测的类别有苹果、香蕉、芒果、草莓、奇异果，若预测水果为香蕉，经过Softmax出来的结果会是[0.1 0.6 0.05 0.15 0.2]，因为是机率所以所有的机率加总为1，Softmax loss表示的是香蕉这个是出现在第几个类别，所以呈现的结果是[0 1 0 0 0]。

Softmax的缺点
虽然在运算时会将不同类别的特徵分开，但特徵分题很多时Loss会很小，所以收敛梯度无法下降，有可能发生辨识错误人的机率，就不太适合用在执行人脸辨识上。