人脸识别学习

整理了一些人脸识别的学习文章，一些经典数据集和网络

目录

一.人脸识别简单概念

1.人脸识别

2.类型

3.固定解决方案

 二.常见数据集

1.LFW

2.CelebA

3.YouTube Faces（YTF）

4.CASIA-WebFace

5.MegaFace

6.MS-Celeb-1M

三.损失函数与经典网络

1.Deep ID

2.DeepFace

3.FaceNet

4.SphereFace

5.CosFace

6.ArcFace

7.AdaFace

---

一.人脸识别简单概念

1.人脸识别

是特征利用分析比较人脸特征信息进行身份鉴别的计算机技术

人脸识别系统包括一系列技术，包括人脸图像采集，人脸定位，人脸识别预处理，身份确认，身份查找等

2.类型

人脸识别类型可以分三种：人脸1:1，1:N，M:N

人脸1:1，一般用于身份核实，如人脸解锁，车站闸机....

人脸1:N，一般用于安保系统，进入小区识别信息....

人脸M:N，一般用于身份查重......

3.固定解决方案

分三步：人脸定位（很简单），人脸关键点定位（眼睛，鼻子...），人脸识别网络

 二.常见数据集

1.LFW

公开测试数据集，全称为带标签的自然人脸数据库，共有13233张JPEG格式图片，但目前很多算法都在LFW上达到了99%以上，所以用该数据集已经不能很好的衡量算法的好坏了

2.CelebA

亚洲人居多

3.YouTube Faces（YTF）

用来做人脸验证，该数据集下，算法需要判断两段视频里面是不是同一个人。有不少在图片上有效的方法，在视频上未必有效，数据集包含3425段视频。可以用来做训练或验证

4.CASIA-WebFace

数据集侧重于一个人的不同角度，不同光照，不同特征等

5.MegaFace

更倾向于在大噪声下的人脸验证，且数据的分布同样不平衡，有很多种类

因为照片不总是高质量的，还有很多模糊不清的，这个数据集的图片就不仅仅是高质量的。

6.MS-Celeb-1M

有十万个对象，约一千万张图像，十万级ID，但现在有很多数据集已经达到千万级

三.损失函数与经典网络

1.Deep ID

主要用于人脸检测1:1验证，即人脸验证，2014年发行的文章

采用人脸弱对齐（比如人脸在拍的时候是歪的，根据两个眼睛中心和嘴角重点，将图片尽可能转换为正面，进行数据增强），要注意区分3D对齐

人脸识别合集 | 2 DeepID解析 - 知乎 (zhihu.com)

2.DeepFace

人脸识别有四个阶段：检测，对齐，特征提取，分类

它采用3D人脸对齐：显式的3D人脸建模并应用分段仿射变换，实现人脸正面化

主要思想：先找人脸的六个关键点（两个眼睛，嘴角，鼻子），然后采用弱对齐将人脸拉正，再从拉正后的人脸图片找出68个关键点，与3D人脸的标准模板的68个关键点进行比较映射，找出向量，得到映射后的图片，其实就是将图片进一步从正面拉伸

deepface:人脸识别\特征分析，强大而好用的工具。 - 知乎 (zhihu.com)

3.FaceNet

人脸识别经典—FaceNet - 知乎 (zhihu.com)

4.SphereFace

人脸识别合集 | 8 SphereFace解析 - 知乎 (zhihu.com)

5.CosFace

人脸识别合集 | 9 CosFace解析 - 知乎 (zhihu.com)

6.ArcFace

人脸识别合集 | 10 ArcFace解析 - 知乎 (zhihu.com)

7.AdaFace

人脸识别AdaFace学习笔记_Cassiel_cx的博客-CSDN博客