模型架构--2

SphereFace

在2017年发表在CVPR的文章，改进原先使用softmax作为loss function的人脸辨识，使用large margin softmax loss再加上||W||=1和b=0的限制，使得预测仅取决於W和x之间的角度。

先介绍softmax loss，如果是一个二分类的问题，结果出来就是样本预测为类别1和类别2的机率。

Large-Margin Softmax Loss是观看类间和类内距离的差距，cos函数在0到π范围是递减的，cos(mx)要小於cos(x)。m值越大学习的难度越大，透过这种方式定义损失函数来使模型学到类间距离较大的但类内距离更小的特徵。

若使用L-softmax loss就是在训练时增加原来的softmax loss的学习难度，利用一些限制来强迫模型学习些较容易辨识错误或是较为相似的特徵，让模型学会辨识这些易辨识错误的资料，而非硬背下来简单易分析的特徵，来加强模型学习的成效。