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。