该论文提出了一个混合卷积神经网络(ConvNet)-受限玻尔兹曼机(RBM)模型，用于在自然条件下面部验证。关键贡献是直接从原始像素中学习表示身份相似性的关系视觉特征。深度ConvNets模仿初级视觉皮层，与学习到的滤波器对一起，联合从两幅人脸图像中提取局部关系视觉特征。这些关系特征通过多层处理，提取高层和全局特征。为了实现鲁棒性和从不同角度表征面部相似性，构建了多组ConvNets。顶层RBM从不同ConvNet组提取的互补高层特征进行推理，采用两级平均池化层次结构。整个混合深度网络被联合微调，以优化面部验证任务。该模型在LFW数据集上取得了竞争性的面部验证性能。
ICCV2013-Hybrid Deep Learning for Face Verification
用深度学习做面部特征点检测最早的论文
This paper proposes a hybrid convolutional network (ConvNet)-Restricted Boltzmann Machine (RBM) model for
face verification in wild conditions. A key contribution of this work is to directly learn relational visual features, which indicate identity similarities, from raw pixels of face pairs with a hybrid deep network. The deep ConvNets in our model mimic the primary visual cortex to jointly extract local relational visual features f
最低0.47元/天 解锁文章
438
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
