【人脸识别/轻量级模型】MobileFaceNet：适用于人脸识别的轻量级网络模型（文末附pytorch代码）

论文题目：《MobileFaceNets: Efficient CNNs for Accurate RealTime Face Verification on Mobile Devices》
论文地址：https://arxiv.org/pdf/1804.07573v4.pdf

1.简介

       近年来，MobilenetV1，ShuffleNet和MobileNetV2等轻量级网络多用于移动终端的视觉识别任务，但是由于人脸结构的特殊性，这些网络在人脸识别任务上并没有获得满意的效果。针对这一问题，提出了一种专门针对人脸识别的轻量级网络MobileFaceNet。
       如下图所示，在使用MobileNetV2等网络进行人脸识别时，平均池化层对FMap-end的Corner Unit和Center Unit给予了同样的权重，但实际上，对于人脸识别来说，中心单元的重要程度显然比角单元重要。因此，需要对网络进行有针对性的优化。论文中，最重要的一个优化就是使用Global Depthwise Convolution (GDConv，全局逐深度卷积层)代替Global Average Pooling (GAP，全局平均池化层)，因为GDConv的weights即相当于实现不同位置的重要性权重系数。