MSConv：用于人脸识别的乘减卷积
计算机视觉与模式识别
2025-03-11 v1 人工智能
摘要
在神经网络中，存在多种特征融合方法。不同的策略会显著影响特征表示的有效性，进而影响模型提取表征性和判别性特征的能力。在人脸识别领域，传统的特征融合方法包括特征拼接和特征相加。近年来，出现了多种基于注意力机制的融合策略。然而，我们发现这些方法主要关注图像中的重要特征（本文称之为显著特征），却忽略了图像识别任务中另一组同等重要的特征，我们将其称为差异特征。这可能导致模型在处理复杂人脸样本时忽略关键的局部差异。因此，在本文中，我们提出了一种名为 MSConv（乘减卷积）的高效卷积模块，旨在平衡模型对显著特征和差异特征的学习。具体而言，我们采用多尺度混合卷积从人脸图像中捕获局部和更广泛的上下文信息，然后分别利用乘法操作（MO）和减法操作（SO）来提取显著特征和差异特征。实验结果表明，通过结合显著特征和差异特征，MSConv 优于仅关注显著特征的模型。
引用
@article{arxiv.2503.06187,
title = {MSConv: Multiplicative and Subtractive Convolution for Face Recognition},
author = {Si Zhou and Yain-Whar Si and Xiaochen Yuan and Xiaofan Li and Xiaoxiang Liu and Xinyuan Zhang and Cong Lin and Xueyuan Gong},
journal= {arXiv preprint arXiv:2503.06187},
year = {2025}
}