本文記載網上各種關於 人臉識別 的知識，不定期更新
人臉識別系統 主要分為三大部分：人臉檢測，人臉定位（矯正），人臉識別
人臉檢測：有基於機器學習的演算法的，有 基於深度學習的，可以關注r-cnn及其後面的衍生系列
人臉定位：這個不太了解，主要是標記關鍵的點（眼睛，鼻子等），有5點到很多點不等。用於人臉的矯正
人臉識別：應用較廣的領域，也是我重點學習的方向。
初級的人臉識別可以看做是乙個多分類問題，但本質上人臉識別是個特徵提取的問題。
目前主要的研究方向有三個：
1.網路結構的優化：從alnexnet到vgg到resnet，到最近的deepid，faceid等，都是在特徵提取和引數數量優化上下文章，這一般是google，facebook等大公司才能挑戰的。
資料是一切的基礎，lfw等早期的人臉資料集樣本少且不具代表性，大公司和研究所們提供了越來越大的資料集。
學術界大多圍繞這個開展，最初的softmax-loss只是將人臉看做乙個我分類問題，我用resnet18網路，1400張訓練測試200個人，準確率達到72%左右，詳情可見
關於loss的演變推薦幾個好的博主
接下來寫我自己對於loss的學習理解
2023年提出，傳統的softmax關注分類，centerloss提出分類的同時也要關注聚類，於是有了下面著名的圖
主要的**實現：基於caffe）
基於pytroch，但我沒有復現出這個效果，mnist訓練下來的acc只有11%，不知道**錯了）
人臉識別學習筆記 1
人臉識別學習筆記 1 神經生理學，神經病理學，心理學，腦神經學，計算機視覺。2 計算機視覺中的基本問題 如何區分光的亮度及強度 眼睛的空間解析度 如何精確的比較和估計面積和距離 如何感知色彩 檢測和區分物體時利用的是什麼特徵 3 計算機視覺理論 影象處理，模式識別，影象理解，影象生成 廣義影象，分割...
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...
學習opencv 人臉識別
在opencv中提供了許多成熟的介面，其中乙個就是人臉識別，先看看效果圖。可以看出用opencv自帶的樣本就能很方便的識別出人臉。opencv有已經自帶了人臉的haar特徵分類器。在目錄 opencv sources data haarcascades 下面。可以看出裡面還有很多分類器，識別左耳 右...