大家好,从今天开始就要学习人脸识别相关的知识啦,以后也会分享这一类的文章。人脸识别,必不可少的是Facebook AI研究院的这篇。
论文:DeepFace: Closing the Gap to Human-Level Performance in Face Verification
[cite] Taigman Y, Yang M, Ranzato M A, et al. Deepface: Closing the gap to human-level performance in face verification[C]//Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE, 2014: 1701-1708.
这篇文章是2014年CVPR文章,也是深度学习人脸识别的开山之作。类似于RCNN在目标检测领域的地位。
摘要
传统的人脸识别流程是:检测——对齐——表示——分类
为了进行分段的仿射变换,我们使用了3D的人脸建模来重现对齐和表达这两步,最终从一个9层的深度神经网络中得到了人脸的表达。
这个网络并非标准的卷积网络层,而是使用了几个未共享权重的局部连接层,网络参数超过了120,000,000个。
我们在迄今为止最大的人脸数据库上训练——4000多个不同的人,总计440万张带标记的人脸库。
这种在大型数据库中基于模型进行准确的对齐并用神经网络训练学习到的人脸表达,可以很好地推广到非受限环境下的人脸表达。
我们的方法在LFW上达到了97.35%的人脸验证精度,逼近了人类的水平。
主要贡献
- 人脸识别中,通常经过四个步骤,检测,对齐(校正),表示,分类
- 论文主要阐述了在对齐和表示这两个步骤上提出了新的方法,模型的表现超越了前人的工作