本文主要是介绍ICD-Face:用于人脸识别的类内紧致蒸馏算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
ICD-Face: Intra-class Compactness Distillation for Face Recognition
摘要
在ICD-Face中,首先提出计算教师和学生模型的相似度分布,然后引入特征库来构造足够多的高质量的正对。然后,估计教师和学生模型的概率分布,并引入相似性分布一致性(SDC)损失来提高学生模型的类内紧致性。
网络模型
ICD-Face,其中包含用于FR提取的特征一致性提取(FCD)和类内紧凑性提取(ICD)。
首先,在大规模数据集上训练教师模型。然后,在学生模型的提取过程中,提取每个人脸图像的教师和学生模型的基础上的特征嵌入。在FCD中,基于特征嵌入的L2距离计算特征一致性蒸馏(FCD)损失Lfcd。同时,在ICD中,首先根据从当前批次中提取的特征和特征库中存储的特征生成正对。然后,计算相似性分布的一致性损失,以提高学生模型的相似性分布的类内紧凑性。
特征一致性提取
类内紧密蒸馏
(1)相似性分布生成
(2)相似性分布一致性
采用KL散度DKL来约束学生和教师模型之间的相似性分布,其定义为以下相似性分布一致性(SDC)损失:
总损失:
这篇关于ICD-Face:用于人脸识别的类内紧致蒸馏算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!