本文深入探讨人脸识别技术，包括Face Verification和Face Recognition的区别。介绍FaceNet模型，它将人脸照片编码为128维向量，通过比较向量确定身份。文章详细解释了Triplet Loss函数的实现，并提供了加载预训练模型、构建数据库、验证和识别的代码示例。
人脸识别分为两大类：
Face Verification指的是，这张脸是不是xxx？
Face Recognition指的是，这张脸是谁？
FaceNet是一种神经网络，把一张人脸照片编码成为128组向量，通过比较两张照片的128组向量来确定是不是同一个人。
本实例中使用训练好的ConvNet激活函数，应用的是channel first的形式（m, nc, nw, nh）
将人脸照片编码为128维向量
FaceNet模型需要大量数据和时间训练，本程序中直接使用训练好的FaceNet初级模型，这个Inception神经网络架构依照Szegedy et al
该模型输入m张96*96*3的人脸照片，输出向量（m,128）
神经网络最后一层使用128个神经元，输出128为向量
模型训练目标：
如果两张图片是一个人，距离非常小。否则，距离很大。
第一步、定义Triplet loss
Triplet loss方法的原理是push两个相同人的照片在一起
最低0.47元/天 解锁文章
扫一扫
3450
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
