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

以上是生活随笔為你收集整理的人脸识别学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。