SphereFace: التضمين العميق في الفضاء الكروي لتمييز الوجه

يتناول هذا البحث مشكلة التعرف على الوجوه العميقة (FR) تحت بروتوكول المجموعة المفتوحة، حيث يُتوقع أن تكون المسافة القصوى داخل الفئة أصغر من المسافة الدنيا بين الفئات في فضاء مترجي مناسب. ومع ذلك، فإن القليل من الخوارزميات الموجودة يمكنها تحقيق هذا المعيار بشكل فعال. بهدف معالجة هذه المشكلة، نقترح خسارة softmax الزاوية (A-Softmax) التي تمكن الشبكات العصبية التلافيفية (CNNs) من تعلم الخصائص التمييزية الزاوية. هندسياً، يمكن اعتبار خسارة A-Softmax كفرض قيود تمييزية على مانيفولد الكروي الفائق، مما يتطابق بشكل جوهري مع الفرضية بأن الوجوه تقع أيضاً على مانيفولد. علاوة على ذلك، يمكن ضبط حجم الهامش الزاوي بشكل كمي بواسطة 매개ِّ-variable $m$. لقد اشتقتنا قيمًا محددة لـ $m$ لتقريب المعيار الأمثل للخصائص. تظهر التحليلات والتجارب الواسعة النطاق على Labeled Face in the Wild (LFW)، و Youtube Faces (YTF)، و MegaFace Challenge تفوق خسارة A-Softmax في مهام التعرف على الوجوه. كما تم جعل الكود متاحًا للعامة.请注意,对于一些专有名词如 "Labeled Face in the Wild" 和 "MegaFace Challenge",在阿拉伯语中通常保留英文名称,因此这里没有进行翻译。同时,“variable”一词在此处作为数学符号$m$的描述,翻译为“变量”。