人脸识别相关技术介绍和步骤
1.人脸检测2.人脸配准3.人脸属性识别4.人脸特征提取3.人脸验证4.人脸识别5.人脸检索6.人脸聚类人脸识别一般步骤MTCNN人脸检测之所以用三个网络是因为P,R,O的检测效果和网络复杂性逐步递增。把上一级拿到的检测窗口传到下一级网络关键点检测用10个值 因为为了检测5个点,每个点都需要两个值,在实际检测时Pnet并不负责人脸关键点的检测,即使...

1.人脸检测
2.人脸配准
3.人脸属性识别
4.人脸特征提取
3.人脸验证
4.人脸识别
5.人脸检索
6.人脸聚类
人脸识别一般步骤



MTCNN人脸检测

之所以用三个网络是因为P,R,O的检测效果和网络复杂性逐步递增。把上一级拿到的检测窗口传到下一级网络
关键点检测用10个值 因为为了检测5个点,每个点都需要两个值,在实际检测时Pnet并不负责人脸关键点的检测,即使网络也有这个功能。

onet中会做人脸关键点检测
卷积应用与人脸识别

简单多分类的问题:
DeepID 深度学习应用于人脸识别

数据生成

网络结构

不包括水平翻转,训练60个网络
每个网络都可以得到160个特征,然后去做10000类的分类
训练人脸验证的网络

group表示特征的组数 60组
DeepID2
开始修改loss DeepID1相当于只在提升类间差距

损失函数

DeepID2+


DeepID3

FaceNet


引入了triplet loss


样本选择

半难就是少了一个间隔系数,使得负样本只比正样本距离大一点点
人脸识别案例


数据分析分析数据的分布和存在的问题(面部遮挡,光照问题等)
必读文章:
提出数据论文

改进函数论文

实时运行文章

人脸识别常用数据集


进行十折交叉验证
人脸识别算法优化


人脸配准就是根据人脸关键点的结果对人脸进行旋转和仿射变换


模型上线测试

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。
更多推荐


所有评论(0)