syf的博客

在异构人脸识别中，我们将来自不同领域的图像进行匹配用于识别的低分辨率图像与参考的高分辨率库图像。因此，从监控摄像机拍摄的VLR探针图像和在受控环境中拍摄的高分辨率参考画廊图像之间就存在域间隙。使用照相机获取图像。TinyFace中的所有低分辨率人脸都是从公共网络数据中收集的，这些数据是在姿势、光照、遮挡和背景不受控制的条件下采集的。目前，监控场景下的极低分辨率人脸识别是一个非常小的研究领域，可用的数据集非常有限。但是由于在不同条件下识别的图像和参考的分辨率图像之间存在域差异，异构人脸识别是最难解决的。...

描述了解决异构极低分辨率人脸识别问题的最先进方法。这些方法分为投影方法和合成方法，通常分别称为耦合映射和超分辨率方法。

回顾了最成功的无约束极低分辨率人脸识别方法，同时讨论了最新技术中每种方法的局限性和优势。然后在VarGFaceNet损失函数中使用这些特征向量，以绘制轻量级网络生成的特征向量，使其更接近教师网络的特征向量。上图显示了针对这些计算机视觉任务的精度性能的乘法加法运算（MADD）基准，以大致了解它们之间的位置。b、使用可变分组卷积组来平衡信息保留和复杂性，逐点1×1卷积，以减少深度通道和滤波时的计算复杂性；a、使用分组卷积和混洗输出通道，以减少操作数量，并在不同的输入和输出通道之间共享信息；......