卷积神经网络——人脸识别与神经风格转换
4.1什么是人脸识别?
1.人脸验证与人脸识别
验证:输入为图像、名字、ID等,输出为输入的图像与其声明的是否是同一人;
识别:输入为图像,输出为该图像是否为数据库中的图像之一,如果是给出ID。
2.人脸识别较人脸验证更困难,在之后课程中先建立一个人脸验证模型,如果准确率优化到一定程度再逐步应用到人脸识别中
4.2 One-shot 学习
1.在人脸识别任务中最需解决的问题是“一次学习问题”,该问题是指通过数据库中保持的一张图片就能在此识别出统一个人的其他图像。
2.similarity 函数
d(image1, image2) = degree of difference between images,非明显如果输入为同一人的两张照片,输出值会非常小;如果是差异很大的两个人的照片,输出值会非常大。如果d(image1, image2) < Tau(阈值)则输出人为二者为同一人;反之,不同。由此可以解决人脸验证问题。 如果要解决人脸识别,就是要讲输入image与系统中所有的数据进行对比,看那个d值最小,则为该人;若每次对比输出值都较大,则该人不在数据库。
4.3 Siamese网络架构
1.构建CNN对输入图像进行编码,即使用CNN某一全连接层给出的特征值作为输入图像的编码(f(x_i))
2.计算d函数值,根据该值判断是否是同一人