人脸识别学习
整理了一些人臉識別的學習文章，一些經典數據集和網絡
目錄
一.人臉識別簡單概念
1.人臉識別
2.類型
3.固定解決方案
?二.常見數據集
1.LFW
2.CelebA
3.YouTube Faces（YTF）
4.CASIA-WebFace
5.MegaFace
6.MS-Celeb-1M
三.損失函數與經典網絡
1.Deep ID
2.DeepFace
3.FaceNet
4.SphereFace
5.CosFace
6.ArcFace
7.AdaFace
一.人臉識別簡單概念
1.人臉識別
是特征利用分析比較人臉特征信息進行身份鑒別的計算機技術
人臉識別系統包括一系列技術，包括人臉圖像采集，人臉定位，人臉識別預處理，身份確認，身份查找等
2.類型
人臉識別類型可以分三種：人臉1:1，1:N，M:N
人臉1:1，一般用于身份核實，如人臉解鎖，車站閘機....
人臉1:N，一般用于安保系統，進入小區識別信息....
人臉M:N，一般用于身份查重......
3.固定解決方案
分三步：人臉定位（很簡單），人臉關鍵點定位（眼睛，鼻子...），人臉識別網絡
?二.常見數據集
1.LFW
公開測試數據集，全稱為帶標簽的自然人臉數據庫，共有13233張JPEG格式圖片，但目前很多算法都在LFW上達到了99%以上，所以用該數據集已經不能很好的衡量算法的好壞了
2.CelebA
亞洲人居多
3.YouTube Faces（YTF）
用來做人臉驗證，該數據集下，算法需要判斷兩段視頻里面是不是同一個人。有不少在圖片上有效的方法，在視頻上未必有效，數據集包含3425段視頻。可以用來做訓練或驗證
4.CASIA-WebFace
數據集側重于一個人的不同角度，不同光照，不同特征等
5.MegaFace
更傾向于在大噪聲下的人臉驗證，且數據的分布同樣不平衡，有很多種類
因為照片不總是高質量的，還有很多模糊不清的，這個數據集的圖片就不僅僅是高質量的。
6.MS-Celeb-1M
有十萬個對象，約一千萬張圖像，十萬級ID，但現在有很多數據集已經達到千萬級
三.損失函數與經典網絡
1.Deep ID
主要用于人臉檢測1:1驗證，即人臉驗證，2014年發行的文章
采用人臉弱對齊（比如人臉在拍的時候是歪的，根據兩個眼睛中心和嘴角重點，將圖片盡可能轉換為正面，進行數據增強），要注意區分3D對齊
人臉識別合集 | 2 DeepID解析 - 知乎 (zhihu.com)
2.DeepFace
人臉識別有四個階段：檢測，對齊，特征提取，分類
它采用3D人臉對齊：顯式的3D人臉建模并應用分段仿射變換，實現人臉正面化
主要思想：先找人臉的六個關鍵點（兩個眼睛，嘴角，鼻子），然后采用弱對齊將人臉拉正，再從拉正后的人臉圖片找出68個關鍵點，與3D人臉的標準模板的68個關鍵點進行比較映射，找出向量，得到映射后的圖片，其實就是將圖片進一步從正面拉伸
deepface:人臉識別\特征分析，強大而好用的工具。 - 知乎 (zhihu.com)
3.FaceNet
人臉識別經典—FaceNet - 知乎 (zhihu.com)
4.SphereFace
人臉識別合集 | 8 SphereFace解析 - 知乎 (zhihu.com)
5.CosFace
人臉識別合集 | 9 CosFace解析 - 知乎 (zhihu.com)
6.ArcFace
人臉識別合集 | 10 ArcFace解析 - 知乎 (zhihu.com)
7.AdaFace
人臉識別AdaFace學習筆記_Cassiel_cx的博客-CSDN博客
總結
- 上一篇： opengl 画椭圆_漫谈椭圆的几何性质
- 下一篇： 梳理百年深度学习发展史-七月在线机器学习