深度学习与人脸识别系列(6)__人脸识别算法简要说明与总结
来源:互联网 发布:jquery怎么给数组赋值 编辑:程序博客网 时间:2024/06/05 06:17
作者:wjmishuai
出处:http://blog.csdn.net/wjmishuai/article/details/50854168
代码下载地址:https://github.com/PatienceKai/VGG_Face_Caffe_Model
现在,有很多关于人脸识别的卷积神经网络,我首先需要对这些模型进行了评估分析,从一些无关的信息中分析出对于人脸识别模型重要的信息。得到一个简单有效的网络架构,从而提取到表达能力比较强的特征。
由于目前有一些公开的人脸数据库(webface,CelebA等)可以用来训练深度卷积神经网络。但是相对于那些大公司,我们的训练集还是太少了。所以,在训练深度学习模型时我采取了一些策略,为的是解决人脸数据集因为数据量不够而导致模型不收敛的问题,比如说作镜像。
参考2014年Oxford在ImageNet比赛用的大规模图像识别的VGG网络,我们用这个网络来训练人脸识别模型。VGG网络由11个块组成。每个块都包含一个线性变换和紧随其后的一个或多个非线性变换,比如说ReLU(Rectified Linear Units) 和max pooling操作。加入非线性变换的原因是,线性模型的表达能力不够强,所以我们需要引进非线性的因素。前八个这样的块称做卷积层。最后三个块被称为全连接层(FC)。
我们的目标是训练模型的网络参数,使逻辑回归损失函数最小化。卷积神经网络使用的滤波器的权值采用随机采样的方式初始化,服从均值为0,标准差为的高斯分布。偏置被初始化为0。对训练的图像进行归一化,使其宽度和高度均为256。在训练过程中,我们从256*256的图像中随机采样224*224大小的图像,然后对数据集作镜像。这样做的目的都是为了扩充训练集,使卷积神经网络能够学习到更好的特征。
训练完成后,我们使用欧氏距离判断两个人脸图像是否具有相同的身份。
- 深度学习与人脸识别系列(6)__人脸识别算法简要说明与总结
- 深度学习与人脸识别系列(7)__人脸识别算法简要说明与总结
- 深度学习与人脸识别系列(4)__利用caffe训练深度学习模型
- 深度学习与人脸识别系列(4)__利用caffe训练深度学习模型
- 深度学习与人脸识别系列(3)__利用caffe训练深度学习模型
- 深度学习与人脸识别系列(1)__算法流程和教程大纲(基于caffe)
- 深度学习与人脸识别系列(1)__算法流程和教程大纲(基于caffe)
- 深度学习与人脸识别系列(3)__基于VGGNet的人脸识别系统
- 深度学习与人脸识别系列(2)__基于VGGNet的人脸识别系统
- 深度学习与人脸识别系列(2)__基于VGGNet的人脸识别系统
- 深度学习与人脸识别系列(2)__深度学习的环境搭建(ubuntu+caffe)
- 深度学习与人脸识别系列(6)__利用训练好的vgg模型进行人脸识别(利用摄像头)
- 深度学习与人脸识别系列(5)__利用训练好的vgg模型进行人脸识别(利用摄像头)
- 深度学习与人脸识别系列(5)__vgg人脸识别模型测试
- 深度学习与人脸识别系列(4)__vgg人脸识别模型测试
- 基于深度学习的人脸识别AI技术谜与思(十四)--脸型识别
- 深度学习-人脸识别
- 【深度长文】人脸识别:人脑认知与计算机算法(五部曲)
- 我喜欢的
- C++第五次作业数组1
- 【c++】模板和模板类
- CentOS6.5安装与配置Mysql数据库
- mysql删除记录后,添加记录调过删除id.如何重新排序.
- 深度学习与人脸识别系列(6)__人脸识别算法简要说明与总结
- cat和vim乱码
- ionic无法下载'https://jcenter.bintray.com/com/android/tools/build/gradle/x.x.x/gradle-x.x.x.pom
- Leetcode学习(1)—— Two Sum
- (4)设计模式之原型模式(创建型模式)
- Windows环境搭建Red5流媒体服务器指南
- Android编程:检测耳机插入拔出
- ThinkPHP学习笔记(一):目录结构、MVC、访问模式
- 一元n次多项式的处理