待验证50% 置信解决方案精确时间

ArcFace、CosFace 等损失函数的核心思路是在角度空间中人为拉大类间距、压缩类内分布，以提升区分能力

1

来源数

50%

置信度

长期有效

时效性

2026/9/19

首次发现

来源

从《时差5小时3》海报认人：一场趣味观察实验

涉及实体

ArcFacetechnology CosFacetechnology

相关事实

待验证ArcFace是专为人脸识别优化的深度度量学习方法，通过引入加性角度间隔损失函数，在人脸身份特征提取精度上优于通用视觉编码器76% 相似待验证ArcFace由2019年邓建康等人提出，采用加性角度间隔损失73% 相似待验证作者设计损失函数直接计算生成图像的人脸嵌入与目标人脸嵌入之间的距离，实现端到端可微的人脸相似度优化70% 相似待验证现代行人重识别方法以深度度量学习为主流，通过三元组损失或对比损失训练孪生网络，将同一目标的不同图像映射至特征空间中相近位置65% 相似待验证CIoU损失在GIoU基础上引入长宽比一致性惩罚项，同时优化重叠面积、中心点距离与形状相似性64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/934753

API

curl https://kongchang.com/api/v1/knowledge/claims/934753

MCP

get_claim(id=934753)