2021

摘要

通过轻量化CNN和图像增强解决深度学习的复杂度

引言

利用部分预训练的MobileNetV2（又是预训练又是mobilenet，这还能不轻量吗，害） （而且下文看了预训练又是imagenet的）
利用自动颜色增强(ACE)算法[6]和对比度有限自适应直方图均等化(CLAHE)算法[7]，通过穷尽比较实验研究了图像增强的影响

过去

方法

采用几种不同的ROI方式，而且生成的ROI图像不可避免地会有较小的背景像素、不清晰的纹理、曝光和旋转。在这项工作中，没有进一步的细化纹理增强操作，因为cnn被认为是对上述非理想情况的鲁棒性。

实验

识别（Identification）性能指标 top1准确率，也叫CIR
验证（Verification）EER