【CVPR2021】基于有限计算资源的虚拟全连接层训练大规模人脸识别数据集

使用分类进行大规模人脸识别（数百万类）特别消耗计算资源，而使用度量学习往往训练困难且最终性能较差。过往的一些训练方法仅仅是将分类需要消耗的计算资源分配到不同的GPU上，但是并没有进行实际上地减少。从而使得使用有限资源进行大规模人脸识别成为一个特别具备挑战的问题。为了解决这个问题，我们提出一种叫做虚拟全连接层的方法。本方法可以将标准全连接层的计算资源减小100倍，并取得和标准全连接层相近可比的识别性能。