百度的人脸识别

转载请注明出处 https://blog.csdn.net/Fire_Light_/article/details/79589926

原文链接：Targeting Ultimate Accuracy: Face Recognition via Deep Embedding

网络结构：

输入的是对齐好了的人脸图像，将人脸图像通过面部标记点切分为多个相互之间有重叠部分的Patch，分别输入相同结构的网络，每个网络都在不同的GPU上训练。

网络结构包含9个卷积层，某些卷积层的后面有池化层，标准化层，论文中与图中都没有详细说明，大致知道网络是什么样子的就可以了。

训练时用softmax训练，进行验证时将所有FC层的特征相接，构成一个高维的面部特征。

验证方法–Metric Learning度量学习：

通过以triplet loss 为监督信号的度量学习方法来学习一种128维的特征，用特征之间的距离来进行验证任务。

所谓度量学习，就是在特征空间中学习某种合适的距离度量方法，也就相当于去寻找特征空间中的某一子空间，将特征变换到该子空间上之后，可以很容易的度量各特征之间的距离（参考《机器学习》-周志华）。

通过这个度量学习，可以做到减小类内的l2距离，增加类间的l2距离的效果。

度量学习示意图：

关于triplet loss的详细描述可以参考我的博客：人脸识别系列（六）：FaceNet

实验：

训练数据量对错误率的影响：

patch量对错误率的影响

最优结果：

使用7个patches,每个patch最终提取128维特征，然后还混合了一些其他模型一起判断（具体是哪些文中没说）

达到了LFW上99.85%的准确率

论文中还展示了所有的验证出错的图片对：

图中分为三类：
a.错误标记。

b.假阴性，由化妆、带眼镜、人物造型变化比较大或是遮挡等原因造成。

c.假阳性，五官非常相似的人。