人臉辨識技術在Deepface出現後,就開始使用Deep learning來進行人臉辨識,在使用各種模型進行訓練時,使用的Loss function也在依照訓練的需求持續進化中,在人臉系統的辨識階段,通常是使用擷取出來的特徵值,使用歐式距離來判斷偵測的人是否與資料庫中的哪一人相似度最高,並設定一個門檻值來決定偵測的人偵的為資料庫中的那一人。
以時間順序來介紹
在2014年出現的Softmax 在分類問題當中,該樣本預測為每一種類別的機率是多少,假設討論一個有五種類別的分類問題,預測的類別有蘋果、香蕉、芒果、草莓、奇異果,若預測水果為香蕉,經過Softmax出來的結果會是[0.1 0.6 0.05 0.15 0.2],因為是機率所以所有的機率加總為1,Softmax loss表示的是香蕉這個是出現在第幾個類別,所以呈現的結果是[0 1 0 0 0]。
Softmax的缺點
雖然在運算時會將不同類別的特徵分開,但特徵分題很多時Loss會很小,所以收斂梯度無法下降,有可能發生辨識錯誤人的機率,就不太適合用在執行人臉辨識上。