MFR（遮挡人脸识别）MFR的一些难点：1、大量脸部特征的丢失2、缺少训练集，难以有效训练3、遮挡在检测、跟踪、识别等各方面都有影响解决方案：1、丢失大量面部特征后如何进行检测？F1:通过采用基于空间位置的注意力机制特征学习，使其更关注对眼部区域的特征学习。2、训练数据不够？F1:百度视觉采用基于人脸关键点的3D图像融合技术。（也就是合成口罩）。例如：mask Webface、mask-LFW和一

MFR（遮挡人脸识别）MFR的一些难点：1、大量脸部特征的丢失2、缺少训练集，难以有效训练3、遮挡在检测、跟踪、识别等各方面都有影响解决方案：1、丢失大量面部特征后如何进行检测？F1:通过采用基于空间位置的注意力机制特征学习，使其更关注对眼部区域的特征学习。2、训练数据不够？F1:百度视觉采用基于人脸关键点的3D图像融合技术。（也就是合成口罩）。例如：mask Webface、mask-LFW和一

1、先采用目前流行的MTCNN检测人脸位置，得到一个人脸的bounding box2、然后用opencv根据上一步的bounding box 把人脸裁剪出来，并对齐。（因为实际裁剪出来的脸，大小不一（如距离远近造成的人脸图片大小不同），但神经网络的输入要统一尺寸（如9696，或160160），所以所有人脸需要对齐到统一图片大小上）3、对齐之后将图片输入到facenet模型（用于训练的网络模型），会