![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人脸识别
cdknight_happy
种一棵树最好的时间是十年前,其次是现在!
展开
-
人脸识别性能指标
本文参考自:《Handbook of Face Recognition》 和https://zhuanlan.zhihu.com/p/57350424。1 概念人脸识别任务分为 人脸验证(1:1,Face Verification)和 人脸识别(1:N,Face Recognition) 两种。人脸验证是给定一对图像,判定是否是同一个人;人脸识别是给定一张图像,判断其是图像底库中的谁。性能度量需要三个数据集,分别是:底库数据集 G(gallary);测试集p_G,由属于G中的人员的且与G已包含原创 2020-05-09 19:28:04 · 2964 阅读 · 1 评论 -
RetinaFace: Single-stage Dense Face Localisation in the Wild
论文:http://xxx.itp.ac.cn/abs/1905.00641代码:https://github.com/deepinsight/insightface/tree/master/RetinaFacehttps://github.com/biubug6/Pytorch_Retinaface1 核心思想RetinaFace是基于FPN + SSH context module +...原创 2020-04-30 18:09:46 · 364 阅读 · 0 评论 -
Face Attention Network: An Effective Face Detector for the Occluded Faces
论文:http://xxx.itp.ac.cn/abs/1711.072461 简介本文针对的是遮挡人脸的检测,对于遮挡人脸的检测,最关键的问题是如何减少误检。比如,一个带了墨镜的人脸,只有下半部分区域可见,要对这样的人脸进行成功检测,就需要模型能够正确基于下半部分的人脸进行检测,但是人的手部的皮肤颜色和面部的皮肤颜色很接近,那么这样的模型就有可能把手部区域误检成人脸。如何在不增加误检的情况下...原创 2020-04-26 19:24:30 · 1973 阅读 · 8 评论 -
Occlusion Robust Face Recognition Based on Mask Learning with Pairwise Differential Siamese Network
论文:https://arxiv.org/abs/1908.062900 摘要前几年进行了大量使用CNN进行人脸识别的研究,但是,现有的这些通用CNN模型对有遮挡的人脸的识别效果较差。基于人眼在进行有遮挡的人脸识别时主要关注的是未被遮挡的区域这一事实,作者提出了一个掩模学习策略并忽视掉被遮挡区域的特征进行人脸识别。通过对遮挡-未遮挡的人脸图像的最后一个卷积层特征之间的差异学习得到了掩模字典,字...原创 2020-03-16 18:36:55 · 3426 阅读 · 12 评论 -
MobileFaceNets
论文:MobileFaceNets: Efficient CNNs for Accurate RealTime Face Verification on Mobile Devices0 摘要作者简单分析了普通的移动式设备上部署的网络应用于人脸验证任务时的缺点,并克服这个缺点设计了高效、准确的人脸验证模型MobileFaceNets。在相同的实验条件下,MobileFaceNets和Mobile...原创 2020-03-13 17:45:24 · 1524 阅读 · 0 评论 -
人脸识别中的损失函数总结
损失名称数学公式是否权重归一化是否特征归一化分类边界文章链接softmaxL=−1m∑i=1mlogeWyiTxi+byi∑j=1neWjTxi+bjL = -\frac{1}{m}\sum_{i=1}^m\log\frac{e^{W_{y_i}^Tx_i+b_{y_i}}}{\sum_{j=1}^ne^{W_j^Tx_i+b_j}}L=−m1∑i=1mlog∑...原创 2020-03-12 19:17:08 · 413 阅读 · 0 评论 -
cosface
论文:CosFace: Large Margin Cosine Loss for Deep Face Recognition0 摘要人脸识别进来取得了巨大的进步,人脸识别的核心问题是对人脸图像进行高质量的特征。但是,传统的softmax损失缺乏判别能力。最近提出的center loss,L-Softmax和A-Softmax的目的都是最大化类间差异且最小化类内变化。本文作者提出了一个新的损失函...原创 2020-03-12 17:41:54 · 1203 阅读 · 0 评论 -
FaceNet
论文:FaceNet: A Unified Embedding for Face Recognition and Clustering0 摘要FaceNet,直接把输入图像变成欧式空间中的特征向量,两个特征向量间的欧式距离就可以用来衡量两者之间的相似度。可以用在人脸验证、识别和聚类任务中。本文提出了三元组的概念,构建anchor - matching sample -unmatching s...原创 2020-03-11 18:31:13 · 715 阅读 · 0 评论 -
center loss
论文:A Discriminative Feature Learning Approach for Deep Face Recognition0 摘要本文为人脸识别任务提出了center loss,可以为每一个人脸类别学习特征中心并惩罚远离中心点的离群样本。center loss使用CNN训练时易于收敛。将center loss和softmax loss结合,可以得到类内聚合、类间远离的深度特...原创 2020-03-09 18:20:57 · 731 阅读 · 0 评论 -
ArcFace
论文:ArcFace: Additive Angular Margin Loss for Deep Face Recognition代码:https://github.com/deepinsight/insightface0 摘要本文提出了新的监督值:cos(θ+m)\cos(\theta + m)cos(θ+m),在进行权重和特征归一化的基础上最大化角度空间的决策边界。还强调了使用深度...原创 2020-03-06 18:08:21 · 1580 阅读 · 2 评论 -
AM-Softmax
论文:Additive Margin Softmax for Face Verification0 摘要AM-Softmax,additive margin softmax。人脸识别任务是一个度量学习任务,目的是使学习到的特征具有类内高度聚合、类间尽可能分离的特性。前面L-softmax和Sphereface中都通过乘积的方式解释了人脸识别中的角度间隔。本文作者提出了为softmax los...原创 2020-03-05 17:57:34 · 1683 阅读 · 1 评论 -
SSH人脸检测
SSH: Single Stage Headless Face Detector1 整体结构SSH网络的整体结构如下图所示图1全卷积网络;三个检测模型M1,M2,M3,在卷积层的feature map基础上使用stride为8,16,32进行操作;检测模块由一个人脸分类器和人脸回归器组成;为了解决定位问题,也是定义了一系列的叫做bounding box的anchor,通过回归的方法...原创 2018-11-02 18:07:37 · 2812 阅读 · 1 评论 -
Large-Margin Softmax Loss for Convolutional Neural Networks
大间隔softmax(Large-margin softmax,L-Softmax)使得学习到的特征分布类内高度内聚、类间距离足够大,同时也使得模型具有一定原创 2018-02-02 16:30:16 · 775 阅读 · 0 评论 -
SphereFace论文学习
论文 《SphereFace: Deep Hypersphere Embedding for Face Recognition》 代码: https://github.com/wy1iu/sphereface摘要论文主要是针对开集的人脸识别任务,在超球面上做到特征分布高内聚、低耦合。作者提出了一种新的损失函数,叫做angular softmax(A-Softmax)。原创 2018-02-07 14:00:30 · 6850 阅读 · 3 评论 -
人脸姿态估计
转载自:http://www.learnopencv.com/head-pose-estimation-using-opencv-and-dlib/姿态估计定义计算机视觉领域的姿态估计用目标相对于摄像机的平移量和旋转矩阵进行表示。计算机视觉领域将姿态估计问题当作N个点的透视变化问题(Perspective-n-Point,PNP),解决方案是对于一个标定好的摄像机,根据目标...原创 2018-04-17 16:08:10 · 18997 阅读 · 3 评论 -
dlib 人脸对齐 基本原理
代码extract_image_chip(img, dlib::get_face_chip_details(shape, 150, 0.25), face_chip);dlib::get_face_chip_details(shape, 150, 0.25) 输入参数:shape为提取的人脸关键点,68个点 160为希望获取的对齐后的人脸大小 0.1 是希望对人脸关键点区域进行padding的原创 2018-04-20 16:18:32 · 12239 阅读 · 1 评论 -
openface 人脸对齐 基本原理
代码具体代码请参考:https://github.com/TadasBaltrusaitis/OpenFace vector<string> arguments = get_arguments(argc, argv); FaceAnalysis::FaceAnalyserParameters face_analysis_params(arguments); face_analy原创 2018-04-20 18:05:44 · 2281 阅读 · 0 评论 -
人脸关键点提取-DAN
论文名称《Deep Alignment Network: A convolutional neural network for robust face alignment》 代码实现:https://github.com/MarekKowalski/DeepAlignmentNetwork1 摘要DAN,Deep Alignment Network,使用深度学习进行人脸关键点提取。DAN包含多个阶原创 2018-05-04 15:59:27 · 5505 阅读 · 3 评论 -
人脸识别性能指标
上述理解如有错误,欢迎批评指正。原创 2018-05-17 18:00:21 · 4287 阅读 · 0 评论 -
L2-softmax
论文名称《L2-constrained Softmax Loss for Discriminative Face Verification》论文名称《L2-constrained Softmax Loss for Discriminative Face Verification》问题提出:人脸验证在LFW数据集上做的很好,但是在存在大量视角、分辨率、图像质量变化和遮挡时,验证效果并没有那么理想。主...原创 2018-05-21 15:10:45 · 2841 阅读 · 1 评论 -
ubuntu16.04 && docker && nvidia-docker && python
1.安装1.1 安装docker在终端执行: wget -qO- https://get.docker.com/ | sh 完成后,在终端执行: sudo service docker start sudo docker run hello-world 如出现下面的界面,说明docker安装成功。 1.2 安装nvid...原创 2018-06-26 18:47:12 · 2804 阅读 · 0 评论 -
COCO Loss
《Rethinking Feature Discrimination and Polymerization for Large-scale Recognition》摘要文章关注大规模的测试类别和开集测试的场景下如何使得提取的图像特征高内聚、低耦合。作者提出了一种coco loss的损失函数,实验结果证明了该损失函数的有效性。原创 2018-02-02 10:12:01 · 1455 阅读 · 0 评论