文章目录
思维导图
在线的导图浏览:人脸识别思维导图
疑问
用softmax分类做人脸识别,怎么应用呀
在闭集上人数是定的,然后用softmax按照分类来训练模型。
在开集上用softmax之前的作为特征,用来比较特征向量之间的距离来确定是否为同一个人。
概念区分
人脸检测:是目标检测领域,给一张那个图片,框出里面人脸的位置
人脸对齐:是关键点检测,由人脸检测得到的人脸区域,进行关键点回归,得到描述五官的若干个关键点。
人脸识别:又包括人脸验证(一对一验证是否是同一个人)和人脸辨识(一对多,从一个数据库里搜索是否有这个人)
主流方法
人脸识别的流程:
首先,人脸检测器用于定位人脸,然后利用人脸对齐得到一个规范化的人脸,再经过活体检测,最后是人脸识别的方法。训练时选择一种网络结构和损失函数得到一个判别性强的模型,然后用于测试。
主要的思路:
在人脸识别领域,CNN网络结构主要用做表示学习,提取人脸的一个特征向量表示。随着新的backbone的出现而更新。关键的核心是怎么样得到一个具有判别性的向量表示,也就是说怎么让同一个人的不同图片的向量表示尽可能接近,而不同人的图片之间的向量表示尽可能远。所以人脸识别最重要的就是如何设计损失函数。目前,人脸识别已经超过人类水平,接近饱和了。
LFW数据集上的方法性能&架构&损失函数
损失函数
Softmax loss
softmax loss实际上就是softmax + 交叉熵损失
其中 f f f一般是最后的全连接层的输出 f = W T x f=W^Tx f=<