遮挡人脸识别项目总结

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

1. spatial feature 使用有交叠的特征图的左上，右上，左下，右下。
2. 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。
3. 计算SCPLoss时，将MSELoss替换为CosineEmbeddingLoss。
4. 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