silence2015的专栏

首先介绍一下GCN实现人脸聚类这篇论文，然后记录一下作者开源代码的阅读心得（代码写的很nice！）Learning to Cluster Faces via Confifidence and Connectivity Estimation CVPR2020一图胜千言，图2即作者提出的GCN网络来实现人脸聚类的全流程，其实本文的重点不在于GCN模型的构建，而是一种GCN思想在人脸聚类上的应用。GCN实现人脸聚类主要分为四个部分：图的构建，GCN-V实现节点置信度预测，GVN-E实现边连接预测，通过基于

看论文前可先看下作者自己在知乎的总结：https://zhuanlan.zhihu.com/p/51806059这篇论文简称CDP，利用监督方式训练一个度量模型判别图片对判别进而实现人脸聚类，使用聚类的人脸来训练人脸识别模型。open-setandclose-set类似ImageNet识别这种，明确知道类别范围的分类问题称为close-set问题，但人脸方面基本都属于open-set问题（测试类别不一定在训练集范围内），因此测试过程通常是提取人脸特征进行比对，而非直接通过网络推理...

ArcFace可以说是现在人脸识别损失函数中应用最为成功也最为有效的损失之一，在各大人脸数据集上可谓屠榜。论文：ArcFace: Additive Angular Margin Loss for Deep Face Recognition常规交叉熵损失如下：当我们将W和X都通过L2归一化，设置偏执b为0，则可将矩阵相乘的结果logit看成一个余弦距离与缩放因子S的乘积，这两者在结果上是等价的，那么logit就与w和x无关了，仅与θ和s有关，如果固定s，那仅与θ有关。...