版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/kunyXu/article/details/54376850
此文由牛津大学视觉研究所于2015年发表
论文链接:http://www.robots.ox.ac.uk/~vgg/software/vgg_face/
1.研究问题
数据采集、人脸识别与验证。
2.此文工作
此文有两个主要工作:如何在网络上搜集需要的人脸数据;训练深度网络完成人脸识别与验证。
数据搜集忽略不讲,可自行查阅。
2.1 网络结构
此文采用的网络结构为VGGNet, 网络结构如下:
首先使用自己收集到的数据利用softmax 训练,得到的网络即可实现人脸识别。
2.2 Triplet Loss 进行人脸验证
2.3 实验与讨论
**此文使用比其他方法少得多的数据得出了更好的结果。
3.总结
此文首先介绍了在网络上获取大量的数据的方法,然后在他们自己获得的数据的基础上训练vggface 实现人脸识别, 并将其中最后一层作为特征训练Triplet-Loss 进行人脸验证。在较少的数据的基础上达到了前人海量数据才能达到的效果。
人脸识别论文review到这了,接下来还有一系列人脸识别新进展:
目前人脸识别与验证的通用方法:
利用深度卷积网络提取图像特征,再利用联合贝叶斯、距离度量、SVM等一系列的分类方法对特征分类验证。
深度网络是手段,特征学习是目的