低质量人脸数据集中的识别具有挑战性,因为面部属性被遮挡和退化。基于边缘的损失函数的进步导致了嵌入空间中人脸的可辨别性增强。此外,先前的研究已经研究了自适应损失对错误分类(硬)示例赋予更多重要性的影响。在这项工作中,我们在损失函数中引入了自适应性的另一个方面,即图像质量。我们认为强调错误分类样本的策略应该根据它们的图像质量进行调整。具体来说,简单或困难样本的相对重要性应基于样本的图像质量。我们提出了一种新的损失函数,它根据图像质量强调不同难度的样本。我们的方法通过使用特征规范来近似图像质量,以自适应边缘函数的形式实现了这一点。大量实验表明,我们的方法 AdaFace 在四个数据集(IJB-B、IJB-C、IJB-S 和 TinyFace)上的人脸识别性能优于最先进的 (SoTA)。
1