论文学习笔记(15):Low-resolution face recognition(CSRI网络)

目录

  • 1. 架构
  • 2. 损失函数

CSRI是一篇18年的文章了,这里主要是在阅读论文的过程中看到了相关的架构,但是并没有在网上检索到相关的笔记,故对其粗略的进行了一下小结以作记录。

1. 架构

CSRI方法将VDSR作为SR部分的架构,CenterFace作为FR部分的架构
论文学习笔记(15):Low-resolution face recognition(CSRI网络)_第1张图片

2. 损失函数

  1. SR部分:MSE loss
  2. FR部分:softmax Cross-Entropy loss

由于合成和nativeLR人脸图像之间的差异,对于natice LR图像来说,该模型可能不是最优的。
为了克服这一问题,论文中进一步约束SR- FR对native LR数据的联合学习,将native LR人脸识别约束引入到SR的损失优化中。具体来说,该方法使用辅助数据(LR/HR成对图像)和native数据(仅使用LR图像)来优化SR和FR,使SR网络学习适应于本地LR数据。
也就是,其同时优化合成和nativeLR分支上共享的参数(SR和FR中均共享)。且为了加强对带标注的native LR面孔的识别,使用了相同的交叉熵损loss函数。

  1. 总体损失函数
    在这里插入图片描述

你可能感兴趣的:(低分辨率人脸识别,深度学习)