論文：“Occlusion Robust Face Recognition Based on Mask Learning with Pairwise Differential Siamese Network”
一般的想法是：
先把圖像大致分塊，再比較圖像中的未遮擋部分。
論文中的思路：
圖像被遮擋後，backbone最後的卷積層（大小爲C/H/W）的不同通道對遮擋的響應不一致，這樣對不同的通道可以建立不同的掩碼，即FDM（feature discard mask）。如果把圖像分塊成若干個格子，每個格子被遮擋時產生一個FDM，每個FDM大小是C*H*W的矩陣，元素是0或1。若干個FDM共同組成一個字典。實際使用時，掩碼等於被遮擋塊FDM的交集。
訓練時：
1、字典的生成。對每一個格子的遮擋，輸入大量的圖像對，經過backbone網絡，計算最後卷積層的差，經過 FDM 的創建器 (一個很簡單的網絡，比如conv+bn+relu+sigmoid)，生成浮點數的 C*H*W 的矩陣，取均值，再二值化成最終的FDM（把最小的t個值設置成0，其他爲1）。
2、FDM 的創建器 通過 PDSN 訓練。訓練過程是：給定圖像對，利用backbone最後卷積層的差作爲輸入，經過 FDM的創建器， 把掩碼按元素乘到最後的卷積層上，損失就是卷積層差的L1範數 加上 遮擋圖像的分類損失。
實際使用中：
比較兩張圖片的相似度，一張遮擋，一張未遮擋。對遮擋圖片，先用FCN-8s （"Fully convolutional networks for semantic segmentation"）做遮擋檢測，量化遮擋區域成若干個格子，掩碼等於格子對應FDM的交集。把掩碼分別作用於兩張圖片backbone最後的卷積層，再提取fc層特徵，計算相似度。
疑問是：
1、特徵佔用空間較大。
由於掩碼未知，只能保存最後的卷積層特徵，對於大批量圖像，空間要求較高。
2、比對速度較慢。
比對不是純粹的計算相似度，而是包含了一些特徵提取過程。