TensorFlow SiameseNet 人脸识别实战 V2

接上一篇《TensorFlow SiameseNet 人脸识别实战》

收到了一些热心网友的邮件,做了如下改进。

1、修改Loss Function为TensorFlow自带的tf.nn.sigmoid_cross_entropy_with_logits,解决上一篇博客中提到当Loss下降到0.1左右的时候就不在下降的问题。

2、给SiameseNet最后的全连接层增加共享参数,以解决 Tbj1027 网友提到的“训练后发现in/left和in/right互换位置后发现distance的值不同”的问题,感谢这位网友发现的问题。

3、增加 config.py 文件,配置参数统一放到这个文件,方便修改。

通过这些改进,目前在LFW上的正确率达94%+,模型当然还需要优化。如果您有改进思路,可以给我留言或者给我发邮件(hfrommane@qq.com)。

最后,如果您觉得对您有用,请在GitHub上给我点一个star,感谢。
项目GitHub地址:
https://github.com/hfrommane/TF-siamesenet

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,您想了解关于TensorFlow特定人脸识别方面的知识,我可以给您一些简单的介绍。 TensorFlow是一个基于数据流编程的开源软件库,主要用于各种机器学习和深度学习应用,例如图像识别、语音识别、自然语言处理等。在人脸识别方面,TensorFlow可以通过构建深度神经网络模型来实现特定人脸识别。 特定人脸识别是指在一个预定义的人脸数据库中,识别特定的个体。这个过程通常包括两个主要的步骤:人脸检测和人脸识别人脸检测是指在一张图像中定位出人脸的位置和大小,而人脸识别则是指根据已知的人脸数据库,将输入的人脸图像与数据库中的人脸进行比对,从而识别出输入人脸的身份。 TensorFlow可以通过搭建卷积神经网络(Convolutional Neural Network, CNN)来进行人脸识别。CNN是一种非常适用于图像处理的深度神经网络,它可以自动从原始数据中提取特征并且学习特征表示。 具体来说,在人脸识别中,CNN可以接受输入的人脸图像,并通过一系列卷积操作、池化操作、全连接层等操作,将输入的图像转换为一组特征向量。这些特征向量可以用于比对已知的人脸数据库,从而识别出输入人脸的身份。 当然,要实现一个高效、准确的人脸识别系统,还需要考虑很多因素,例如数据预处理、模型训练、模型优化等等,这需要综合运用多种技术手段来完成。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Fun_He

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值