论文阅读笔记-《GhostVLAD for set-based face recognition》

目录

简介：

涉及的知识点：

创新点：

前言：

本文改进：

---

简介：

首先，本文目的是利用人脸集合，采用基于模板的人脸识别方法，改进NetVLAD提取人脸模板特征向量。

涉及的知识点：

1.VLAD：局部聚合描述子向量，利用硬分配。

2.NetVLAD:结合CNN的VLAD网络结构，利用软分配。

3.GhostVLAD:本文，在聚类中心中加入ghost 聚类中心，削弱低质量图像在模板中的权重。

创新点：

加入了ghost聚类中心，能够有效的减小低质量图片在人脸模板中的比重，增强高质量图片的比重。

---

前言：

现在的人脸识别方法有很多，有利用单张人脸图片做注册，其余照片计算与注册照片计算相似度比对。也有提取特征之后做相似度匹配的方法。当然也有很多利用人脸数据集合做人脸识别的方法，例如说混合高斯模型，奇异值分解等等。当聚合多个人脸图像时，有些信息对人脸识别是没有用的，并且诸如此类的方法，都是依赖于一个预训练的人脸描述器，也没有联合考虑权重的影响。

所以，基于一个要给不同质量的图片赋予不同权重的直觉，作者提出利用端到端的方式来自动学习这些信息的权重，从而优化人脸模板特征。

• VLAD：是一种广泛应用在图像检索中的特征提取之后的编码方法，减少存储量，提高检索效率。该方法采用0/1的硬分类方法将图像特征向量分配到每个聚类中心，之后做残差求和等后续形成编码。

VLAD公式：

其中：系数ak值为0,1两种类型。所以称为硬分配。

• NetVLAD：为了将VLAD能够运用到CNN网络中，将硬分类转换为利用softmax的软分配，形成可微的结构，从而可以利用卷积操作和反向传播自动求参的功能。本文的思想和建模方法是值得探究和学习的，建议阅读文章。

NetVLAD形成聚合向量V的公式：

NetVLAD的网络：

与VLAD的区别就在于将VLAD的ak改写为softmax的软分配系数。在网络中表现为用K个1*1的卷积核卷积之后再进过softmax层得到软分配系数。将该系数与残差（图像特征向量x和聚类中心c的差值）相乘，最后累加得到V（D*K）的矩阵。最后进过两次归一化操作得到一个维度为（K*D）的向量。

---

本文改进：

基于一个图像集合中的图像质量的不一致，导致在模板中各个图像产生的影响不一样。为了进一步的扩大这个权重的差别，也就是增大模板中质量好的图像的权重，减小低质量图像的权重，本文提出来了ghost的聚类中心。

所谓的ghost的聚类中心就是指一些假设存在但是实际没有的中心点，主要目的就是让低质量图片可以归类在这类中心点上，从而在软分配的时候，对实际的k个归类点的得分都降低。比如说，x在原有k个中心点上的得分分别为0.3 0.3 0.4，加入了g=1的ghost中心之后，x在k个中心的得分表示为0.2 0.2 0.3，所以减弱了这个影响。（这是我的理解）

结合本文结构来说就是：

在上面的图中，ghost的中心点仅仅参与软分配的权重计算而不参与残差的计算，所以实际上还是K个点参与的VLAD。

在公式上可以理解为将NetVLAD的计算公式中，

ak,bk为（k+g）个，而ck只有k个。也可以理解为k+g全部参与运算之后去除属于g部分的结构，使得V还是（k*d)的矩阵。

最后，本文通过可视化结果表示了，加入ghost之后的效果。

上面一列是没有ghost的时候的图像权重，下一列是取一个ghost的时候的权重。可以明显发现低质量模糊的图像权重瞬间降低。

此外就是，本文的实验结果和参数的设置可以查阅文章。