DeepFace介绍

DeepFace是FaceBook提出来的，后续有DeepID和FaceNet出现。而且在DeepID和FaceNet中都能体现DeepFace的身影，所以DeepFace可以谓之CNN在人脸识别的奠基之作，目前深度学习在人脸识别中也取得了非常好的效果。下边介绍DeepFace的基本框架：

一、人脸检测（face detection）

DeepFace采用了基于检测点的人脸检测方法（fiducial Point Detector）

1. 先选择6个基准点，2只眼睛中心、 1个鼻子点、3个嘴上的点。
2. 通过LBP特征用SVR来学习得到基准点。关于LBP的介绍见论文：Face description with local binary pattern

二、人脸对齐（face alignment）

2D alignment：

1. 对Detection后的图片进行二维裁剪， scale, rotate and translate the image into six anchor locations，将人脸部分裁剪出来。

3D alignment：

1. 找到一个3D 模型，用这个3D模型把二维人脸crop成3D人脸。67个基点，然后Delaunay三角化，在轮廓处添加三角形来避免不连续。
2. 将三角化后的人脸转换成3D形状
3. 三角化后的人脸变为有深度的3D三角网
4. 将三角网做偏转，使人脸的正面朝前
5. 最后放正的人脸

上图的2D alignment对应(b)图，3D alignment依次对应(c) ~ (h)。

三、人脸表示（face verification）

经过3D对齐以后，形成的图像都是152×152的图像，送入CNN，其结果如下：

C1：卷积层，卷积核尺寸11*11，共32个卷积核

M2：池化层，最大池化3*3，即stride = 2

C3：卷积层，卷积核尺寸9*9   ，共16个卷积核

L4： 卷积层，卷积核尺寸9*9   ，共16个卷积核。L表示local，意思是卷积核的参数不共享

L5： 卷积层，卷积核尺寸7*7   ，共16个卷积核。

L6： 卷积层，卷积核尺寸5*5   ，共16个卷积核。

F7： 全连接，4096个神经元

F8： 全连接，4030个神经元

前三层的目的在于提取低层次的特征，比如简单的边和纹理。其中Max-pooling层使得卷积的输出对微小的偏移情况更加鲁棒。但没有用太多的Max-pooling层，因为太多的Max-pooling层会使得网络损失图像信息。

紧接着的三层都是使用参数不共享的卷积核，之所以使用参数不共享，有如下原因：

1. 对齐的人脸图片中，不同的区域会有不同的统计特征，卷积的局部稳定性假设并不存在，所以使用相同的卷积核会导致信息的丢失
2. 不共享的卷积核并不增加抽取特征时的计算量，而会增加训练时的计算量
3. 使用不共享的卷积核，需要训练的参数量大大增加，因而需要很大的数据量，然而这个条件本文刚好满足。

全连接层将上一层的每个单元和本层的所有单元相连，用来捕捉人脸图像不同位置的特征之间的相关性。其中，第7层（4096-d）被用来表示人脸。全连接层的输出可以用于Softmax的输入，Softmax层用于分类。

四、人脸表示的归一化

对于输出的4096维向量：

1. 先每一维进行归一化，即对于结果向量中的每一维，都要除以该维度在整个训练集上的最大值。
2. 每个向量进行L2归一化

五、分类

得到表示后，使用了多种方法进行分类：

1. 直接算内积
2. 加权的卡方距离
3. 使用Siamese网络结构