原文连接:Targeting Ultimate Accuracy: Face Recognition via Deep Embeddingweb
输入的是对齐好了的人脸图像,将人脸图像经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,每一个网络都在不一样的GPU上训练。网络
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,大体知道网络是什么样子的就能够了。机器学习
训练时用softmax训练,进行验证时将全部FC层的特征相接,构成一个高维的面部特征。svg
经过以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。学习
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,也就至关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以后,能够很容易的度量各特征之间的距离(参考《机器学习》-周志华)。.net
经过这个度量学习,能够作到减少类内的l2距离,增长类间的l2距离的效果。3d
度量学习示意图:
关于triplet loss的详细描述能够参考个人博客:人脸识别系列(六):FaceNetxml
训练数据量对错误率的影响:
blog
patch量对错误率的影响图片
使用7个patches,每一个patch最终提取128维特征,而后还混合了一些其余模型一块儿判断(具体是哪些文中没说)
达到了LFW上99.85%的准确率
论文中还展现了全部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缘由形成。
c.假阳性,五官很是类似的人。