DeepID1 分析

http://blog.csdn.net/stdcoutzyx/article/details/42091205

卷积神经网络在DeepID中的作用是是学习特征，即将图片输入进去，学习到一个160维的向量。然后再这个160维向量上，套用各种现成的分类器，即可得到结果。DeepID之所以有效，首先在于卷积神经网络学习到的特征的区分能力比较强，为了得到比较强的结果，DeepID采取了目前最常用的手法——增大数据集，只有大的数据集才能使得卷积神经网络训练的更加的充分。增大数据集有两种手法，第一种手法，就是采集好的数据，即CelebFaces数据集的引入。第二种手法，就是将图片多尺度多通道多区域的切分，分别进行训练，再把得到的向量连接起来，得到最后的向量。DeepID的算法流程如下：

我自己的想法是无论怎么样我都要试着训练一个出来

我的初步想法是把所有的img 送进去训练，在送进去自己的数据之前，我们先来看一下怎么把caffe 的例子怎么样进行训练吧。

训练ImageNet 的网络

http://blog.csdn.net/pirage/article/details/17553549