17.3.30 DeepVisage: Making face recognition simple yet with powerful generalization skills 小感

最近读了《DeepVisage: Making face recognition simple yet with powerful generalization skills》这篇文章。

从作者的abstract来说，本文利用残差学习框架，利用归一化之后的特征计算损失的方法。在提出自己的网络之前，作者首先分析了近几年的人脸识别的常见的几种方法：

• CNN learning with different loss functions
• fine-tuning on target
• dataset metric learning
• concatenate features from multiple CNNs.
  作者指出这些方法都是在特定的条件下的工作，泛化能力不强。并且从上述的四个方面阐述了该类方法的缺陷。另外，作者还指出，近几年ImageNet挑战赛的结果来看，deeper的CNN能够有更加好的表现。所以，作者想能不能仅仅利用简单的label训练一个简单的CNN网络并且能够取得比较好的结果。
  Can we achieve state-of-art results with a signle CNN model which is trained only once with the identity labels?

首先作者从当前不同的常见的网络框架分析入手，表明本文将采用ResNet来作为深度CNN的框架。考虑到训练多个CNN网络能够提高最后的结果，但是本文仅仅采用单一的CNN网络。接着本文将采用softmax loss，而且只采用这一个损失函数。

本文所选取的框架是残差网络，如下图所示：

本文共有27个卷积层，4个池化层和1个全连接层。每一个卷积核的大小为3*3，每一个卷积层后面紧跟一个PReLU。池化层选用2*2的最大池化。最后的全连接层输出维度为512，最后一层FN是一个归一化层。
作者在四个人脸数据库上进行了实验，从作者的实验结果可以看出实验结果还是比较好的。
1.LFW

2.VGG-Face

3.Youtube Face

4.CACD