[发明专利]一种基于Sigmoid函数的分类层监督用于人脸识别的方法

权利要求书

1.一种基于Sigmoid函数的分类层监督用于人脸识别的方法，其特征在于，包括如下步骤：

步骤1，以原始的Softmax损失函数作为分类层监督的基础；

原始的Softmax损失函数的一般形式为：

其中，N表示batchsize的大小，n表示总共的类别数目；

步骤2，在原始Softmax损失函数的基础上引入角度裕量，角度裕量直接作用于特征夹角，并归一化特征；

步骤3，为步骤2得到的损失函数引入Sigmoid非线性变换,得到基于Sigmoid函数的分类层监督；

步骤4，根据步骤3得到的基于Sigmoid函数的分类层监督，在训练数据集上训练人脸识别网络，直到网络收敛，形成训练好的人脸识别网络；

步骤5，将训练好的人脸识别网络用于人脸识别。

2.根据权利要求1所述一种基于Sigmoid函数的分类层监督用于人脸识别的方法，其特征在于，所述步骤2具体为，在原始Softmax损失函数的基础上引入第一角度裕量m₁，第一角度裕量m₁直接作用于特征夹角，并归一化特征；经过上述操作后的Softmax损失函数的一般形式为：

所述步骤3具体为，为步骤2得到的损失函数分别引入Sigmoid非线性变换,得到损失函数为：

3.根据权利要求1或2所述一种基于Sigmoid函数的分类层监督用于人脸识别的方法，其特征在于，所述步骤2还可以是，在原始Softmax损失函数的基础上引入第二个角度裕量m₂，第二角度裕量m₂直接作用于特征夹角，并归一化特征和权重向量；经过上述操作后的Softmax损失函数的一般形式为：

所述步骤3具体为，对步骤2得到的损失函数引入Sigmoid非线性变换后，得到的损失函数为：

4.根据权利要求3所述一种基于Sigmoid函数的分类层监督用于人脸识别的方法，其特征在于，步骤3还包括，将已经引入了Sigmoid非线性变换后得到的损失函数loss_sig1和损失函数loss_sig2进行加权组合，得到所述基于Sigmoid函数的分类层监督；所述基于Sigmoid函数的分类层监督的一般形式为：

其中，λ为加权系数，m₁和m₂分别为第一角裕量和第二角裕量。

5.根据权利要求2所述一种基于Sigmoid函数的分类层监督用于人脸识别的方法，其特征在于，第一角裕量m₁＝4。

6.根据权利要求3所述一种基于Sigmoid函数的分类层监督用于人脸识别的方法，其特征在于，第二角裕量m₂＝0.35。