L-Softmax Loss 基础上 添加 两个限制条件 ||W||=1 和 b=0

https://arxiv.org/abs/1704.08063

SphereFace（超球面）是由佐治亚理工学院的Weiyang Liu等人在CVPR2017.04上发表的一种方法，其核心在于将Softmax loss从传统的欧几里得距离模型转换为角度间隔模型，并引入了决策余量m，同时对权重矩阵W和偏置项b进行了限制，即||W||=1且b=0，SphereFace: Deep Hypersphere Embedding for Face Recognition
主要思想

• 开集人脸识别：测试图像中所包含的人脸并未在训练集中出现过，因此该问题属于度量学习范畴，目标是学习具备较强判别能力的大间隔特征。
• A-Softmax loss（Angular Softmax loss）：该方法使得CNN能够专注于学习角度相关的识别特征，并引入了角度间隔参数m。通过设置这一参数，可以确保人脸特征中最大类内距离小于最小类间距离，从而提升特征的判别能力。
  • L-Softmax loss、A-Softm