ArcFace
一种用于人脸识别及度量学习的损失函数，通过在归一化角度空间中对特征嵌入施加固定角度间隔margin，强制类间全局分离，相比三元组损失具有更强的大规模识别判别能力
核心事实
时间轴 (近 90 天)
V2 方案用 ArcFace 头对骨干网络做字体身份微调，使用约 35,000 个字体家族作为类别并采用家族级标签
ArcFace先对特征嵌入向量和分类权重矩阵分别做L2归一化，再在夹角余弦值上叠加固定角度间隔margin（通常取0.5弧度），缩放后送入Softmax计算损失
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
ArcFace proposed the Additive Angular Margin Loss in 2018, achieving over 99.8% recognition accuracy on standard benchmarks like LFW
Popular face feature extraction models include FaceNet, ArcFace, and Dlib's ResNet model
全部知识事实 (6)
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
75%待验证ArcFace proposed the Additive Angular Margin Loss in 2018, achieving over 99.8% recognition accuracy on standard benchmarks like LFW
85%待验证Popular face feature extraction models include FaceNet, ArcFace, and Dlib's ResNet model
85%待验证V2 方案用 ArcFace 头对骨干网络做字体身份微调，使用约 35,000 个字体家族作为类别并采用家族级标签
50%待验证ArcFace先对特征嵌入向量和分类权重矩阵分别做L2归一化，再在夹角余弦值上叠加固定角度间隔margin（通常取0.5弧度），缩放后送入Softmax计算损失
50%待验证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
50%