FaceID-2:Deep Learning Face Representation by Joint Identification-Verification 笔记
2017-01-12 11:37
423 查看
此文由香港中文大学汤晓鸥教授团队于2014年发表
论文链接:http://xueshu.baidu.com/s?wd=paperuri%3A%286b30d469fc18e0a45638324f608273a2%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Farxiv.org%2Fabs%2F1406.4773&ie=utf-8&sc_us=6217259086007818494
基本上同DeepID, 但是网络的数量增加到200个。(patch数量增加)
训练过程:
论文链接:http://xueshu.baidu.com/s?wd=paperuri%3A%286b30d469fc18e0a45638324f608273a2%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Farxiv.org%2Fabs%2F1406.4773&ie=utf-8&sc_us=6217259086007818494
1.研究问题
在DeepID 的基础上添加验证信号,实现更高精度的人脸识别与验证。2.此文工作
主旨思想是添加验证信号,减少类内方差,增大类间方差。2.1 网络结构
基本上同DeepID, 但是网络的数量增加到200个。(patch数量增加)
2.2 网络训练
训练过程:
2.3 人脸特征
首先提取21个人脸特征点,将人脸对齐,然后通过尺度、切片、位置、通道、水平翻转得到400个patch, 通过200个卷积网络得到200个160维的特征。然后通过前向贪婪算法选取其中的25个patch 的输出作为特征,最后通过PCA降维到180维,即为最终利用的特征DeepID2。最后通过联合贝叶斯或L2范数进行人脸验证。2.4 实验与讨论
实验数据:训练数据:CeleFaces+, 有10177人,202599张图片;8192人训练DeepID,1985人训练联合贝叶斯分类器。准确率达到99.15%3.总结
通过添加验证信息,减少类内方差,增大类间方差,显著提高了人脸验证的水平。再一次刷新了LFW 数据库上的正确率。相关文章推荐
- 在springmvc中配置静态资源访问路径的时候,js出现无效原因
- Macbook怎么清理系统垃圾? Macbook日常维护教程
- 经典排序算法之:快速排序
- java基础方法
- java map遍历
- Java 循环语句之 break
- Servlet的配置
- 《iOS开发指南:从零基础到App Store上架》读书笔记(二)
- 简单了解HTML5中的Web Notification桌面通知
- 【SSH】:基于Struts2+HIbernate3+Spring3实现员工管理系统之框架整合篇
- 配置org.springframework.scheduling.quartz.CronTriggerBean
- (丢手绢)hdu 2104 hide handkerchief
- Android设计模式之观察者模式
- GTID的常见错误和处理方法
- 铺地毯
- Lua 协同程序coroutine 数据交换说明
- JDK自带观察者的使用
- Charles工具的使用
- Android开发各类常见错误解决方案
- HA集群配置