FaceID-2：Deep Learning Face Representation by Joint Identification-Verification 筆記

此文由香港中文大學湯曉鷗教授團隊於2014年發表
論文鏈接：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.研究問題

在DeepID 的基礎上添加驗證信號，實現更高精度的人臉識別與驗證。

2.此文工作

主旨思想是添加驗證信號，減少類內方差，增大類間方差。

2.1 網絡結構

基本上同DeepID， 但是網絡的數量增加到200個。（patch數量增加）

2.2 網絡訓練

訓練過程：

2.3 人臉特徵

首先提取21個人臉特徵點，將人臉對齊，然後通過尺度、切片、位置、通道、水平翻轉得到400個patch， 通過200個卷積網絡得到200個160維的特徵。然後通過前向貪婪算法選取其中的25個patch 的輸出作爲特徵，最後通過PCA降維到180維，即爲最終利用的特徵DeepID2。最後通過聯合貝葉斯或L2範數進行人臉驗證。

2.4 實驗與討論

實驗數據：訓練數據：CeleFaces+， 有10177人，202599張圖片；8192人訓練DeepID，1985人訓練聯合貝葉斯分類器。準確率達到99.15%

3.總結

通過添加驗證信息，減少類內方差，增大類間方差，顯著提高了人臉驗證的水平。再一次刷新了LFW 數據庫上的正確率。