MTCNN
1)提出了一种三个CNN网络级联型的人脸和对齐同步完成的网路架构
首先生成图像金字塔,然后输入三级CNN网络
P-net:产生多个候选框,通过bbox回归校准候选框,并应用nms融合框
R-net:进一步应用bbox校准和nms删除多余框
O-net:进一步应用bbox校准和nms删除多余框,并输出5个人脸特征点的位置
2)提出了一种在线困难样本挖掘方法
在训练过程中,只对正向传播过程中loss在前70%的样本执行反向传播
FaceNet
直接学习图像到欧式空间上点的映射,根据图像在欧式空间的距离判断相似度
1)三元组样本选择
寻找使正样本与anchor样本距离最大,使负样本与anchor样本距离最小的三元组样本
2)三元损失
**batch:**指已经过人脸检测并裁剪到固定尺寸的人脸样本
deeparchitecture: ZF,googlenet
L2: 特征归一化,将所有特征映射到超球面上