摘要

面部识别（FR）方法通过采用基于卷积神经网络（CNN）的学习方法报告了显著的性能提升。尽管CNN主要通过优化softmax损失进行训练，但最近的趋势表明，通过不同的策略可以进一步提高准确性，例如使用不同损失函数的任务特定CNN学习、在目标数据集上的微调、度量学习以及连接来自多个CNN的特征。这些任务的引入显然需要额外的努力。此外，这也不利于仅使用身份标签训练高效CNN模型的研究进展。我们关注这一事实，并提出了一种易于训练且基于单一CNN的面部识别方法。我们的CNN模型利用了残差学习框架，并且在计算损失时使用了归一化特征。大量的实验结果表明，该方法在不同数据集上具有出色的泛化能力。我们在LFW、IJB-A、YouTube Faces和CACD数据集上获得了非常有竞争力且处于前沿水平的结果。