【人脸识别】set-to-set：Multicolumn Networks

paper：Multicolumn Networks for Face Recognition

论文链接：https://arxiv.org/pdf/1807.09192.pdf

这是一篇set-to-set的paper，作者提出了一个Multicolumn Networks，想要同时学习视觉信息和内容信息。 在原来的网络上加了“visual” quality 和 “content” quality 两个模块。

Approach

文章的整体结构如图所示。非常清晰明白：

输入一个base的多张图片，每张分别进backbone，得到feature。

对于visual模块，每张图片由FC层出来，学到一个质量系数alpha。然后将各个feature加权表示得到Vm。这个就是我们平时看到的每张图片的质量信息。

对于content模块，每个feature都和Vm做一个concat。也是通过一个FC层，学到一个beta，表示relative contribution。这个能够表示每个feature和平均feature的差异。

最后通过加权，得到Vd。也就是融合之后的feature。