ArcFace loss：Additive Angular Margin Loss（加性角度間隔損失函式），對特徵向量和權重歸一化，對θ加上角度間隔m，角度間隔比餘弦間隔在對角度的影響更加直接。幾何上有恆定的線性角度margen。

● ArcFace中是直接在角度空間θ中最大化分類界限，而CosFace是在餘弦空間cos(θ)中最大化分類界限。

● 預處理（人臉對齊）：人臉關鍵點由MTCNN檢測，再透過相似變換得到了被裁剪的對齊人臉。

● 訓練（人臉分類器）：ResNet50 + ArcFace loss

● 測試：從人臉分類器FC1層的輸出中提取512維的嵌入特徵，對輸入的兩個特徵計算餘弦距離，再來進行人臉驗證和人臉識別。

● 實際程式碼中訓練時分為resnet model+arc head+softmax loss。resnet model輸出特徵；arc head將特徵與權重間加上角度間隔後，再輸出預測標籤，求ACC是就用這個輸出標籤；softmax loss求預測標籤和實際的誤差。

● LFW上99.83%，YTF上98.02%

優點：

● 效能高，易於程式設計實現，複雜性低，訓練效率高

● ArcFace直接最佳化geodesic distance margin(弧度)，因為歸一化超球體中的角和弧度的對應。

● 為了效能的穩定，ArcFace不需要與其他loss函式實現聯合監督，可以很容易地收斂於任何訓練資料集。

缺點：

● W模型很大