论文地址：Facial feature extraction method based on shallow and deep fusion CNN
摘要
用多个不同尺度的并行卷积层提取浅特征。然后，将得到的特征与更深层次提取的特征融合。最后，将结果与另一个更深层次提取的特征进一步融合，用于Softmax分类。
作者利用关节特征的输出。基于深度CNN和特征融合方法，设计了人脸特征提取网络SDFCNN。与VGG网络相比，该网络能够提取出具有较强代表性的深层面部特征，且参数较少。此外，作者还介绍了正则化方法在全连通层中dropout以避免过拟合现象。
方法
作者用到的特征融合方法其实不是最复杂的，其实跟DenseNet这种网络有相似之处，把一些层的特征都利用起来了：
- 不同的浅层特征通过不同比例的并行多个卷积层提取和融合，以增强特征的表示。
- 浅层特征与较深层通过连续层提取的特征融合在一起。
- 将结果进一步与另一个较深层通过另一个concat层提取的特征融合，然后获得最终的融合特征。
如下图所示：
除此之外，在改进的网络结构中，作者用2个33卷积层来代替1个55的卷积层。
最后在LFW数据集上达到了95.72%的准确率。