【汇总贴】人脸识别相关论文的优秀解读博客汇总

原

【汇总贴】人脸识别相关论文的优秀解读博客汇总

2018年05月29日 16:50:48 东写西读1 阅读数：373

													<span class="tags-box artic-tag-box">
							<span class="label">标签：</span>
															<a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;人脸识别&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=人脸识别&amp;t=blog" target="_blank">人脸识别																</a><a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;计算机视觉&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=计算机视觉&amp;t=blog" target="_blank">计算机视觉																</a><a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;深度学习&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=深度学习&amp;t=blog" target="_blank">深度学习																</a>
						<span class="article_info_click">更多</span></span>
																				<div class="tags-box space">
							<span class="label">个人分类：</span>
															<a class="tag-link" href="https://blog.csdn.net/u013044310/article/category/7586591" target="_blank">人工智能																</a><a class="tag-link" href="https://blog.csdn.net/u013044310/article/category/7586593" target="_blank">深度学习																</a>
						</div>
																							</div>
			<div class="operating">
													</div>
		</div>
	</div>
</div>
<article class="baidu_pl">
	<div id="article_content" class="article_content clearfix csdn-tracking-statistics" data-pid="blog" data-mod="popu_307" data-dsm="post">
							            <div id="content_views" class="markdown_views prism-dracula">
						<!-- flowchart 箭头图标 勿删 -->
						<svg xmlns="http://www.w3.org/2000/svg" style="display: none;"><path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path></svg>
						<h2 id="人脸识别相关论文的优秀解读博客汇总"><a name="t0"></a>人脸识别相关论文的优秀解读博客汇总</h2>

为了便于以后查阅，将看到的人脸识别相关论文的解读博客做一个汇总。

0、综述：

1. 如何走近深度学习人脸识别？你需要这篇超长综述 | 附开源代码
2. 关于度量学习的解释

一、FaceNet

论文地址：https://arxiv.org/abs/1503.03832

参考博客：
1. 史上最全的FaceNet源码使用方法和讲解（附预训练模型下载）
2. facenet 代码阅读笔记：如何训练基于triplet-loss的模型
2. 谷歌人脸识别系统FaceNet解析
3. FaceNet—深度学习与人脸识别的二次结合
4. 【人脸识别】FaceNet- A Unified Embedding for Face Recognition and Clustering

二、对于损失函数的改进

1、Deep Face Recognition

针对 Triplet Loss训练收敛缓慢的问题，提出了先用传统的 softmax粗训练人脸识别模型，再用Triplet Loss进行细致训练。
论文地址：http://www.robots.ox.ac.uk/~vgg/software/vgg_face/

参考博客：
人脸识别：Deep Face Recognition论文阅读

2、 In Defense of the Triplet Loss for Person Re-Identification

主要贡献是：① 设计了新的Triplet Loss（去掉了平方项），并和其它变种进行了对比；② 引进了 Batch Hard Sampling
论文地址：https://arxiv.org/abs/1703.07737

github地址：https://github.com/VisualComputingInstitute/triplet-reid

参考博客：
1. Re-ID with Triplet Loss
2. 【论文笔记】In Defense of the Triplet Loss for Person Re-Identification

3、Sampling matters in deep embedding learning

主要贡献：① 改进了样本选取的方法（Distance Weighted Sampling Method）；② 提出了一种triplet loss的变体—— Margin Based Loss。据说这两个都比上一篇论文中的效果更好，但是没有亲测。

特别需要说明的是，这篇论文里回顾了contrastive loss,triplet loss（facenet论文）的损失函数和sample的选取方式，并说明了其相应的优缺点，可以说集合了这两篇论文的精华思想。看一篇，顶三篇。

论文地址：https://arxiv.org/abs/1706.07567

参考博客：
1. 深度学习新的采样方式和损失函数论文笔记-知乎
2. 知乎-如何评价Sampling Matters in Deep Embedding Learning？