麻继钢很牛逼，用的是5个9的靓号手机号。

他的微信名叫：一念一世界。也就是说一个念想，就成了两个世界了。感觉是一个忏悔的话。赶紧把微信里有这样类似名字的人清理了一遍。

出于好奇，跑了一下两张人脸图片的人脸相似度和响应区域。

一张图片是92年扬子晚报刊登的图片，据说是根据当天打了一个照面的保安根据回忆，然后对警方合成的照片指认的。

另一张是这个家伙的微信头像。吓人。

我的提取特征的model是自己训练的，用了几个loss叠加在一起训练的，提取的特征CNN自己手撕的，后面的特征只有128维，实战过，效果还不错。

然后顺手玩了一下这两张图片：

发现相似度只有65.3%。

主要相似的特征参数在鼻子和嘴巴上面。脸颊头发的这些特征CNN过了一遍后响应度基本都为0了，但是眉毛眼睛的响应度很高的。但他们不相似。

如果真是一个人，相似度在88%以上。

假如真是一个人的图片，但是岁月沉淀，人的眼睛眉毛都变了，但鼻子嘴型不变，有没有可能让算法能判断他们是一个人呢？

答案是肯定的。怎么做，我觉得加一个attention层就可以了。

怎么加？

Spatial and Channel-wise Attention layer？应该加一个spatial attention layer就可以。让鼻子嘴巴连在一块成为一个组合特征，类似于特征工程中手动构建组合特征。

这边给大家两篇我最近看的注意力机制的论文：

17年的CVPR：

SCA-CNN:Spatial and Channel-wise Attention in Convolutional Networks for Image Captioning

http://xxx.itp.ac.cn/pdf/1611.05594.pdf

19年的CVPR：

SCAR: Spatial-/Channel-wise Attention Regression Networks for Crowd Counting

http://xxx.itp.ac.cn/pdf/1908.03716.pdf

两篇文章的思想是一样的。只是用来干了两件不一样的事情。就中了两篇paper。很不错。

另外，没有翻墙工具，在arxiv上下载论文真慢。这次找到了好玩具，把arxiv上的论文ID复制到这个链接里面：http://xxx.itp.ac.cn/pdf/1908.03716.pdf（190803716是论文的ID，需要你更改），就可以很快下载论文了。

我还整理了几个跨越时间的囚犯的人脸照片。给大家玩。这个也许可以搞一个方向，通过优化人脸比对的算法，也许可以帮助公安机关多破案件。

小数据集纯粹手工收集的。需要的话关注公众号给你回复吧。

ITPub博客

南医大奸杀案罪犯麻继钢人脸比对把玩