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