ljwherry的博客

    本文是南开大学在CVPR2019上提出的人脸识别方法。在人脸识别任务中，同一个人的的人脸图像在特征空间中要相近，不同人的人脸图像要远离。最近的人脸识别研究都是通过设计loss惩罚同一identity下的人脸差异，关注于类内差异的压缩。而本篇论文的关注点则是类间相似性的分离，将不同类别间的角拉开，以提取出判别性特征。一. Introductio...

    腾讯AI实验室和清华大学共同发表的ICCV2019文章，针对有遮挡的人脸图像提出的人脸识别方法，在训练阶段通过网络学习出不同位置下的掩模字典，与人脸图像对应的特征张量进行点乘操作，把遮挡部分去掉。用剩下的未遮挡特征进行识别。一、背景问题：现有的CNN人脸识别模型对有遮挡的人脸数据表现效果差现实生活的人脸图像/视频中，遮挡随处可见，比如...

    本文是对Margin based Softmax Loss的改进。主要针对人脸数据集类别不平衡的问题，以及难类别/难样本的挖掘，让训练过程变得高效。一、针对的问题SOTA Margin based Softmax Loss都有一个前提假设：即所有的类别都有足够多的样本来描述该类别的分布，因此一个预设的常量margin就足以缩小每一个类别...

一、问题与挑战大规模人脸识别在很多领域得以应用，这些系统大多依赖于复杂、参数量多的深度神经网络来实现，计算量大，复杂度高。需要高性能、有并行计算能力的特殊硬件才能执行，不适用于移动设备或嵌入式系统现有的知识蒸馏方法专注于闭集问题下的精度和压缩比，以“测试类别与训练类别是固定的”为前提，不适用于开集任务现有知识蒸馏方法大多数都才去teacher和student的特征间L2距离，要求特征进行...

地平线在ICCV2019上发表的一篇轻量级人脸识别网络VarGFaceNet论文，该网络对先前提出的可变组卷积网络VarGNet进行修改，以适用于人脸识别任务。VarGFaceNet在deepglint-light track of LFR(2019)上获得了冠军。主要的思想是利用可变组网络减少参数量实现轻量级网络，在精度与效率之间达到一个平衡。并且运用Angular Distillation Loss的等效形式进行知识蒸馏，使轻量级网络学习达到更好的效果。