多目标联合路线
基本结构
ArcFace主干网络 + Unet语义分割网络,分类+分割多目标联合训练。
ArcFace主干网络基本Block结构
block有效性的可能理论依据 :Identity Mappings in Deep Residual Networks(译)
Unet upConv结构
从运算速度的角度考虑,采用Unpooling+Conv的方式实现Deconv的功能,而没有直接使用Deconv。
ArcFace损失的几何特性
SCPNet路线
SCPNet原网络示意图
用在人脸识别上的改进
- spatial feature 使用有交叠的特征图的左上,右上,左下,右下。
- Spatial GAP之前对通过aggregation map对特征进行筛选,突出更重要的细粒度特征。
- 计算SCPLoss时,将MSELoss替换为CosineEmbeddingLoss。
- 人脸识别项目中没有使用tripletLoss。
TripletLoss
计算公式
L = ∑ i N [ ∣ ∣ f ( x i a ) − f ( x i p ) ∣ ∣ 2 2 − ∣ ∣ f ( x i