loss version 5 in 2018: large margin cosine loss (lmcl/cosface), sphereface normalizes only w, cosface normalizes both w and x, maximizing classification boundaries in the cosine space.

《原始论文：CosFace: Large Margin Cosine Loss for Deep Face Recognition》
《原始论文：Additive Margin Softmax for Face Verification》

第二篇论文官方代码：GitHub：https://github.com/happynear/AMSoftmax

针对SphereFace的改进，同一时期出现了两篇相关文献：

• 其中一篇由Tencent AI Lab团队撰写，并发表于CVPR2018会议，题为《Large Margin Cosine Loss（CosFace）》；
• 另一篇则由happynear专家提出，内容涉及AM-Softmax Loss的构建与应用。

这两项研究在基本理论框架上具有高度一致性，但在论文撰写过程中所强调的研究方向和具体细节存在差异。

一、Large Margin Cosine Loss（LMCL）

在SphereFace模型中，仅对参数 W 实施了归一化处理，而在CosFace模型中，则同时对 $W