此文由香港中文大学汤晓鸥教授团队于2014年发表
论文链接:http://xueshu.baidu.com/s?wd=paperuri%3A%286b30d469fc18e0a45638324f608273a2%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Farxiv.org%2Fabs%2F1406.4773&ie=utf-8&sc_us=6217259086007818494
1.研究问题
在DeepID 的基础上添加验证信号,实现更高精度的人脸识别与验证。
2.此文工作
主旨思想是添加验证信号,减少类内方差,增大类间方差。
2.1 网络结构
基本上同DeepID, 但是网络的数量增加到200个。(patch数量增加)
2.2 网络训练
训练过程:
2.3 人脸特征
首先提取21个人脸特征点,将人脸对齐,然后通过尺度、切片、位置、通道、水平翻转得到400个patch, 通过200个卷积网络得到200个160维的特征。然后通过前向贪婪算法选取其中的25个patch 的输出作为特征,最后通过PCA降维到180维,即为最终利用的特征DeepID2。最后通过联合贝叶斯或L2范数进行人脸验证。
2.4 实验与讨论
实验数据:训练数据:CeleFaces+, 有10177人,202599张图片;8192人训练DeepID,1985人训练联合贝叶斯分类器。准确率达到99.15%
3.总结
通过添加验证信息,减少类内方差,增大类间方差,显著提高了人脸验证的水平。再一次刷新了LFW 数据库上的正确率。