其實deepid特徵就是乙個由連線第三層與第四層組成的全連線層特徵。
第四層的特徵更加全域性化（global），第三層的特徵更加細節
因此deepid連線了兩者，以求同時包含全域性，細節資訊。
通過5個landmarks將每張人臉劃分成10regions
每張提取60patches=10regions*3scales*2(rgb or gray)
使用60個cnn,每個cnn提取2*160=320維特徵（與水平翻轉一起輸入）
分別使用聯合貝葉斯演算法與神經網路進行分類，並比較結果
神經網路結構如下：
以celebfaces+中202,599影象作為訓練集，
patch數提公升為100（10r*10s*2）
特徵數提公升為100*160*2=32000 然後使用pca降為150維
使用聯合貝葉斯演算法進行驗證，
最終在lfw上達到97.20%的驗證準確率
DeepID 人臉識別模型之DeepID框架
名稱 deep learning face representation from predicting 10,000 classes 作者 miclover 參考 摘要 通過深度神經網路來提取人臉深層次的特徵，稱為深度隱藏身份特徵 deep hidden identity features,dee...
DeepId人臉識別演算法學習
deepid的目標是人臉驗證 判斷兩張是否是乙個人 同時衍生出人臉識別 多次人臉驗證 使用近期比較火的卷積神經網路學習特徵，輸入一張，產出160維的特徵向量，然後使用現成的淺層機器學習組合貝葉斯進行分類。由於卷積神經網路計算的特徵緊湊且區分度大，所以得到的效果較好。同時，為了得到更好的效果，deep...
人臉識別筆記（1）
最早期的人臉識別方法包括尋找區分性影象特徵的位置，如眼睛 鼻子和嘴，並測量這些特徵位置之間的距離 1973 1977 1991 近期的方法依賴於比較灰度影象在被稱為 特徵臉 1990 的低維空間的投影並利用活動表觀模型對形狀和表觀變化 而忽略姿態變化 進行聯合建模。狹義人臉識別指的是 首先採用人臉檢...