17.2.27 Grid Loss : Detecting Occluded Faces 小感

《Grid loss : Detecting Occluded Faces》主要是提出了一种新的损失叫做 Grid Loss。主要解决的问题是在人脸检测过程中出现的部分遮挡问题。由于不是每一个人脸部分都是辨识度比较高的，所以普通的CNN在解决遮挡问题的时候并没有较好的表现。所以本文提出的Grid Loss在一定程度上加强了对部分人脸的辨识程度。

本文的主要实现方法如图1所示。

本文的检测CNN模型是建立在Aggregate Channel Features（ACF）上的CNN模型。

网络中包括两个5×5的卷积层，每个卷积层后面紧跟一个ReLU，在两个卷积层之间增加一个局部卷积层LCN，在每个卷积层后面再加上一个0.1的dropout层。起始的权重符合均值为0，方差为0.01的高斯分布。
本文提出的Grid loss的损失函数为：

其实不难理解，前一部分是整体的损失，后半部分是所有的grid中的损失之和。这样的做法能够很明显的加强了对局部信息的学习。
通过作者的实验可以看出，本文提出的gridloss具有较强的鲁棒性。考略到我的主要研究方向是人脸识别，gridloss这种损失应该可以运用到人脸识别中去，但是这种方法只能针对姿态变化较小的库，对于变化过大的，会成为识别率的误差所在，所以该怎么运用gridloss还有待考虑。