DeepID2人脸识别算法学习

DeepID2相比于DeepID1有了很大提高，主要是添加了验证信号，和认证信号组合监督训练过程，产出的特征增加了类间差异，减少了类内差异，准确率提升至99.15%，错误率降低了67%。

1.算法简介

同一个人在不同姿态、色彩、表情、年龄和遮挡的情况下会有很大不同，这样变化会使人脸识别很困难。所以，减小类内（一类代表一个人）差异，增加类间差异是人脸识别的主要方向。基于深度学习的深度和强悍的学习能力，可以学习到很有效的特征，使用识别新号和验证信号的组合方式。识别信号用来对输入的图像判定类别，验证信号判断输入的一对图像是否是同一个人。

2.识别认证信号监督深层特征学习

使用深度卷积神经网络学习逐层学习视觉特征，有4层卷积层，在第3层的卷积层，神经单元中2*2的子区域权重共享，在第4层卷积层，所有的神经单元权重不共享。

如图1所示，共有4层卷积层，其中DeepID层和第3层第4层卷积层都是全连接，因为第4层提取到的是更全局性的特征，所以，DeepID2计算的是多尺度的特征。在卷积层和最后的DeepID2层使用矫正线性单元（rectified linear unit ReLU）。
如图1所示，假设输入的图片是55*47的彩色图（图片大小不同，下面层的map大小也要随着变化），卷积过程为：