人脸检测识别深度学习记录

越复杂的问题需要越深层的神经网络来处理，而越深层的神经网络其模型的复杂度越高，而复杂度越高的模型需要拟合的函数越复杂，这意味着我们需要拟合的函数H(x)可能有更多的局部最小值，也就是说我们有更大的概率收敛到局部最小值，一个解决这种问题的办法是把一个复杂的问题分解成几个更简单的问题处理

例如，在人脸检测识别中，人脸的检测加识别就是一个复杂的问题，如果直接把原图片直接放入网络输出结果效果并不好，我们把人脸检测和识别分开处理，先在原图片中检测人脸，如果检测到人脸则将人脸部分crop出来再放入识别的网络识别，如果没有检测到人脸则直接输出0即负例。

如果识别部分的准确率依然不高的话，可以将人脸crop成不同的几个小patch分别训练与之对应的CNN再将各自的输出结果连接起来放入fc层分类，如下图