人脸入门2

Posted 2022-01-18 king-lps

关于特征聚合的方法：Aggregating Frame-level Features for Large-Scale Video Classification

这个任务的目的：aggregate frame level features for large-scale video classification.就是将视频中一帧一帧的特征做聚合来得到单个特征去做分类。比如最简单的方法可以将该类别（该人人脸）的所有帧的图像特征取平均作为该类（该人人脸）的特征。

大致有如下方法：

• 利用LSTM聚合特征，GRU比LSTM更高效。（基于RNN的方法）
• 特征pooling策略。基于时域聚合特征。加入可训练的VLAD layer。
• 多模型聚合fusing。

上图是general的聚合方式：在不同迭代周期分别预测特征，然后将所有这些特征聚合。

 

 

这篇是做人脸聚合的：Neural Aggregation Network for Video Face Recognition

就是说不论该视频的长度有多少，我们都将每一帧的人脸特征做聚合得到代表该人脸特征的唯一128维向量。