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
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)