版权声明:转载请注明出处 https://blog.csdn.net/Fire_Light_/article/details/79559312
论文链接:Deep Learning Face Representation from Predicting 10,000 Classes
网络结构
The last hidden layer of DeepID is fully connected to both the third and fourth convolutional layers
其实DeepID特征就是一个由连接第三层与第四层组成的全连接层特征。
为什么连接两层?
第四层的特征更加全局化(global),第三层的特征更加细节
因此DeepID连接了两者,以求同时包含全局,细节信息。
网络训练
通过5个landmarks将每张人脸划分成10regions
每张图片提取60patches=10regions*3scales*2(RGB or gray)
使用60个CNN,每个CNN提取2*160=320维特征(与水平翻转一起输入)
算法验证
分别使用联合贝叶斯算法与神经网络进行分类,并比较结果
神经网络结构如下:
实验结果
最终结果
以CelebFaces+中202,599图像作为训练集,
patch数提升为100(10r*10s*2)
特征数提升为100*160*2=32000 然后使用PCA降为150维
使用联合贝叶斯算法进行验证,
最终在LFW上达到97.20%的验证准确率