今年年初Facebook AI Research发布了一篇名为Beyond Frontal Faces: Improving Person Recognition Using Multiple Cues的人物识别的文章。
正好公司mentor想搞一个类似的东西看看能不能做一个智能相册出来（有点像iphoto和新版的lightroom里面那个根据人的id来分子相册），于是就实现了一下。
如果只想要代码的话就不用往下看了，请直接点击：https://github.com/sciencefans/Beyond-Frontal-Faces
由于使用了定制的caffe的matlab接口，所以想要跑通需要根据你自己的接口来改一下，还是需要折腾的~
其中feature文件夹下给出了我跑出来的test集上有脸的所有图片的特征向量和labels，可以直接训练svm或者knn跑跑看。
在我的试验中1nn（最邻近）算法居然比svm搞了快10个点。。。
转载请说明转自http://www.cnblogs.com/sciencefans/
整篇文章噱头满满，总结一下有以下贡献：
1.作者从flickr上收集了一个叫People In Photo Albums (PIPA)的数据库，其中：1）标注了人的头的位置，注意是头的位置不是脸的位置；2）有一半的人都是没有脸的；3）包含60000张图，2000多个人；4）数据库分成了三个子库，train，valid和test，互不相交。
具体的一些例子如下：
2.文章提出了一个叫Pose Invariant PErson Recognition(PIPER) 的方法，其实就是搞了109个分类器（具体哪109个后面说），用了一个线性分数叠加来做最后的得分，这个model在上述PIPA的test集上得到了83.05%的准确率，如果只看有脸的图片，准确率能够到达93.4%。这个结果超过了deepface（只有89.3%）。
3.想不出有什么别的贡献了。
一句话总结这篇文章就是：提出了一个标注了头部的数据库，想了一种方法线性叠加了109个CNN-SVM模型来获得了一个很好的identify效果。
下面具体来说一说这109个分类器：
109分类器=用人体的107个poselet（详见参考文献2）分别训练出来的107个CNN（这一步是在Imagenet模型上finetune的，并不是直接训练的）+1个global model（用整个身体来训练一个CNN，一样是finetune）+1个基于DeepFace（详见参考文献3）提出的特征的SVM分类器。
这109个分类器都是神经网络的倒数第二层（fc7）作为特征来训练出的SVM。
怎么组合这109个分类器给出的得分呢？首先计算图片的每个poselet的激活程度（得分程度），如果没有激活（得分很低），则使用global model来代替。计算公式如下：
其中Pi就是第i个poselet的svm对X的预测
Fi指的是训练集中拥有第i个poselet的人物的集合，是所有identity的子集。
得到了Pi之后，就可以计算每个分类器的权重w了。
文章使用validation集合来计算得出w，方法还是svm：
对于任意一张图j，它的第i个poselet分类器的得分是
一共有K个poselet分类器的话，一张图就一共有K+1个得分（加上global model）
这样就相当于一个图可以用一个K+1维的向量表示，用这个特征向量和来训练出一个二分类SVM（label是j是否属于y这个人）
最后每个分类器的权重就是最后这个SVM模型的权重w。
接下来就是实验结果：
然后作者又用特征做了一下聚类，得到了如下结果：
论文到这里就结束了，我觉得搞这么多分类器来做得分叠加是一个很简单暴力的想法。
复现的时候我用Zeiler网络训练了脸部和global两个model，基于caffe框架在8颗Tesla K40m上跑了整整两天。
其中global model是纯粹根据头部位置计算出的一个矩形区域，效果只做到了百分之三十多（最新更新，效果以做到69.59%）。但是脸部区域达到了和论文近似的效果——全部test集做cross validation得到了82%（91.68%），只看有脸的图能达到91%（93.90%）。这一复现均超越了原文，我猜原因可能是我们的face feature比较好吧。
=======================
参考文献
[1]Ning Zhang, et al, Beyond Frontal Faces: Improving Person Recognition Using Multiple Cues
[2]L. Bourdev and J. Malik. Poselets: Body part detectors trained using 3D human pose annotations. In International Conference on Computer Vision (ICCV), 2009
[3]Y. Taigman, M. Yang, M. Ranzato, and L. Wolf. DeepFace: Closing the Gap to Human-Level Performance in Face Verification. In Conference on Computer Vision and Pattern Recognition (CVPR), 2014