前言：今天为大家带来一篇文章，发在CVPR 2017。是在LFW上做的实验，是一个二分类问题---性别识别。
原文：Efficient Gender Classification Using a Deep LDA-Pruned Net
摘要：本文也是说到了，卷积深度神经网络在目标检测，模式识别等各个方面取得了非常好的效果，是必须要有更强大的GPU支持。所以针对这个问题提出了一个修剪的卷积神经网络，用的是VGG基模型。在这里补充下VGG网络结构。
VGG：
VGG是一种非常有效的，经典的卷积神经网络，其在各大比赛中取得了非常好的成绩，常用的分为16层的和19层两种.
VGG-16网络图：
VGG-19网络图：
当然详细的VGG模型。本文不做重点介绍。大家可以参考：VGG详细介绍
本文的方法：
作者在VGG上做了修剪。。。其主要是把VGG分为两部分，卷积的最后一层作为特征抽取的那一部分，后面的作为全连接层以及分类层作为一部分。如下图：
上图中分成的两部分，作者把第二部分约去了。。。然后换成了SVM线性分类器。。。当然在中间也加了一个LDA模块，用于卷积特征的维数约减，当然作者也提到PCA降维没有考虑鉴别信息，所以对分类的效果不好。
在卷积层之后的维数约减：
考虑到PCA的缺点：本文采用了类内相关性（ICC）去更好的权衡有用的信息用于性别分类.
其中
是每一个性别的类内协方差矩阵。可以表示为：
另外
类间协方差矩阵：
那么整个目标公式就是：
W就是投影方向。。。其实就是一个LDA的过程。。。。。那么之后就直接代入SVM分类了。。。
效果：
所以整个模型架构为：
而常规的方法：
卧槽，这样分析和正常方法有什么两样？、?
其实我现在懂了，科研其实就是很多小创新组合成了大创新。。。。。这样也就推动了科学的发展。好今天的文章也就讲到这里了，文章比较简单。。但是却挺有意思的。
