仙守

摘要： 本文来自《ArcFace: Additive Angular Margin Loss for Deep Face Recognition》，时间线为2018年1月。是洞见的作品，一作目前在英国帝国理工大学读博。 CNN近些年在人脸识别上效果显著，为了增强softmax loss的辨识性特征学习能力， 阅读全文

摘要： 本文来自《L2-constrained Softmax Loss for Discriminative Face Verification》，时间线为2017年6月。 近些年，人脸验证的性能因引入了深度卷积网络而提升很大。一个典型的人脸识别流程就是： 训练一个基于softmax loss的深度卷积网 阅读全文

摘要： 本文来自《Large-Margin Softmax Loss for Convolutional Neural Networks》，时间线为2016年12月，是北大和CMU的作品。 0 引言 过去十几年，CNN被应用在各个领域。大家设计的结构，基本都包含卷积层和池化层，可以将局部特征转换成全局特征， 阅读全文

摘要： 本文来自《A Discriminative Feature Learning Approach for Deep Face Recognition》，时间线为2016年。采用的loss是Center loss。 0 引言 通常使用CNN进行特征学习和标签预测的架构，都是将输入数据映射到深度特征（最后 阅读全文

摘要： 本文来自《FaceNet: A Unified Embedding for Face Recognition and Clustering》。时间线为2015年6月。是谷歌的作品。 0 引言 虽然最近人脸识别领域取得了重大进展，但大规模有效地进行人脸验证和识别还是有着不小的挑战。Florian Sc 阅读全文

摘要： 人脸识别，大致可以分为以下四个步骤： 人脸检测：从图片中准确定位到人脸，并以矩形框将其裁剪出来； 人脸矫正（对齐）： 检测到的人脸，可能角度不是很正，需要使其对齐，比如旋转，缩放； 特征提取：对矫正后的人脸进行特征提取，现在做法通常都是基于一个CNN模型； 人脸比对：对两张人脸图像提取的特征向量进行 阅读全文

摘要： 本文来自《DSFD: Dual Shot Face Detector》，时间线为2018年10月，是南理工Jian Li在腾讯优图实验室实习时候的作品。在WIDER FACE，FDDB上效果也超过了PyramidBox和SRN。 0 引言 最近在比赛上拿到最好成绩的人脸检测模型大致可以分成2类： 基 阅读全文

摘要： 本文来自《PyramidBox: A Context-assisted Single Shot Face Detector》，是来自百度的作品，时间线为2018年8月。 0 引言 最近基于锚的检测框架都是为了检测无约束条件下难检测的人脸，比如WIDER FACE，SSH，$S^3FD$等等都提出了尺 阅读全文

摘要： 本文来自《Detecting Faces Using Region-based Fully Convolutional Networks》，又是腾讯ai实验室的作品。时间线为2017年9月。 0 引言 如图所示，影响人脸检测的涉及到人脸遮挡，人脸尺寸，光照条件，各种姿态，丰富的表情等等。fast/f 阅读全文

摘要： 本文来自《$S^3$FD: Single Shot Scale-invariant Face Detector》,时间线为2017年11月. 0 引言 基于锚的目标检测方法，是通过分类和回归一系列预先设定的锚来检测目标的。这里预先设定的锚通常都是一个个基于不同尺度和长宽比的框。这些锚通常都是关联一层 阅读全文