深度学习笔记（42） 人脸识别
深度学习笔记（42） 人脸识别
- 1. 人脸识别
- 2. One-Shot学习
- 3. Similarity函数
1. 人脸识别
现在可以看到很多产品在运用人脸识别，如手机解锁、车站身份识别认证、刷脸支付等
在人脸识别的相关文献中，人们经常提到
- 人脸验证（face verification）
- 人脸识别（face recognition）
人脸验证问题：
如果有一张输入图片，以及某人的ID或者是名字
这个系统要做的是，验证输入图片是否是这个人
有时候也被称作1对1问题
只需要弄明白这个人是否和他声称的身份相符
而人脸识别问题比人脸验证问题难很多
因为这是1对多问题（1:K）
假设有一个验证系统，准确率是99%，自我感觉还可以
但是现在，假设在识别系统中，K=100
如果把这个验证系统应用在100个人身上，人脸识别上，犯错的机会就是100倍了
如果每个人犯错的概率是1%，如果有一个上百人的数据库
如果想得到一个可接受的识别误差，要构造一个验证系统，其准确率为99.9%或者更高
然后才可以在100人的数据库上运行，而保证有很大几率不出错
事实上，如果有一个100人的数据库，正确率可能需要远大于99%，才能得到很好的效果
2. One-Shot学习
脸识别所面临的一个挑战就是需要解决一次学习问题
这意味着在大多数人脸识别应用中：
需要通过单单一张图片或者单单一个人脸样例就能去识别这个人
而历史上，当深度学习只有一个训练样例时，它的表现并不好
看一个直观的例子，并讨论如何去解决这个问题：
假设数据库里有4张成员照片，分别是哆啦A梦、大雄、胖虎、小夫
现在假设有个人（编号1所示）来到一个地方，并且想通过带有人脸识别系统的任意门
现在系统需要做的就是，仅仅通过一张已有的胖虎照片，来识别前面这个人确实是他
相反，如果机器看到一个不在数据库里的人（编号2所示），应该能分辨出她不是数据库中四个人之一
所以在一次学习问题中，只能通过一个样本进行学习，以能够认出同一个人
大多数人脸识别系统都需要解决这个问题
因为在数据库中每个成员可能都只有一张照片
有一种办法是，将人的照片放进卷积神经网络中
使用softmax单元来输出4种，或者说5种标签，分别对应这4个人，或者4个都不是
所以softmax里会有5种输出
但实际上这样效果并不好
因为如此小的训练集不足以去训练一个稳健的神经网络
而且，假如有新人加入伐木累，现在将会有5个成员需要识别，所以输出就变成了6种
这时要重新训练神经网络吗？这听起来实在不像一个好办法
3. Similarity函数
所以要让人脸识别能够做到一次学习，为了能有更好的效果
现在要做的应该是学习Similarity函数
详细地说，想要神经网络学习这样一个用ddd表示的函数：
d(img1,img2)d(img1,img2)d(img1,img2) = degree of difference between images
它以两张图片作为输入，然后 输出这两张图片的差异值
如果放进同一个人的两张照片，希望它能输出一个很小的值
如果放进两个长相差别很大的人的照片，它就输出一个很大的值
所以在识别过程中：
如果这两张图片的差异值小于某个阈值 τττ，它是一个超参数，那么就预测这两张图片是同一个人
如果差异值大于 τττ，就能预测这是不同的两个人，这就是解决人脸验证问题的一个可行办法
将它应用于识别任务：
要做的是拿这张新图片（编号6）
然后用ddd函数去比较这两张图片（编号1和编号6）
这样可能会输出一个非常大的数字，在该例中，比如说这个数字是10
之后再让它和数据库中第二张图（编号2）片比较
这样可能会输出一个非常大的数字，在该例中，比如说这个数字是10
之后再让它和数据库中第三张图（编号3）片比较
这样可能会输出一个非常大的数字，在该例中，比如说这个数字是11
之后再让它和数据库中第四张图（编号4）片比较
因为这两张照片是同一个人，所以希望会输出一个很小的数
然后再用它与数据库中的其他所有图片（编号1、2、3）进行比较
通过这样的计算，最终能够知道这个人确实是胖虎
对应的，如果某个人（编号7）不在数据库中，通过函数ddd将他们的照片两两进行比较
最后希望ddd会对所有的比较都输出一个很大的值
这就证明这个人并不是数据库中4个人的其中一个
要注意在这过程中是如何解决一次学习问题的
只要能学习这个函数ddd，通过输入一对图片，它将会告诉这两张图片是否是同一个人
如果之后有新人加入了伐木累（编号5），只需将他的照片加入数据库，系统依然能照常工作
参考：
《神经网络和深度学习》视频课程
相关推荐：
深度学习笔记（41） 候选区域
深度学习笔记（40） YOLO
深度学习笔记（39） Anchor Boxes
深度学习笔记（38） 非极大值抑制
深度学习笔记（37） 交并比
谢谢！
深度学习笔记（42） 人脸识别相关推荐
- 吴恩达深度学习笔记(105)-人脸识别之面部验证与二分类
https://www.toutiao.com/a6652895489354105351/ 面部验证与二分类(Face verification and binary classification) ...
- 【深度学习】DIY 人脸识别技术的探索(一)
[深度学习]DIY 人脸识别技术的探索(一) 文章目录 摘要 问题重述 模型假设 定义与符号说明 问题分析 模型的建立与求解 参考 摘要 伴随着人工智能技术的发展,人们对信息安全有了更高的要求,传统的 ...
- 【深度学习】DIY 人脸识别技术的探索(二)
[深度学习]DIY 人脸识别技术的探索(二) 文章目录 训练模型 工具 结果展示 问题二的模型建立与求解 基于 KNN 的人脸识别模型 训练模型 MTCNN 可以并行训练(3 个网络同时训练,前提是内 ...
- 蚂蚁金服张洁：基于深度学习的支付宝人脸识别技术解秘-1
蚂蚁金服张洁:基于深度学习的支付宝人脸识别技术解秘(1) 2015-08-13 10:22 于雪 51CTO 字号:T | T 用户身份认证是互联网金融发展的基石.今年三月,在德国汉诺威举办的IT展览 ...
- 学习笔记TF058:人脸识别
人脸识别,基于人脸部特征信息识别身份的生物识别技术.摄像机.摄像头采集人脸图像或视频流,自动检测.跟踪图像中人脸,做脸部相关技术处理,人脸检测.人脸关键点检测.人脸验证等.<麻省理工科技评论&g ...
- 深度学习下的人脸识别技术：从“后真相”到“无隐私”
2019-06-17 14:27:08 图片来源@视觉中国 文|五矩研究社,作者|劫镖 2018年7月,<大西洋月刊>曾发表过一篇人脸识别的文章,名字叫做<开启假视频时代>,文 ...
- 深度学习之视频人脸识别系列一：介绍
作者 | 东田应子 [导读]本文是深度学习之视频人脸识别系列的第一篇文章,介绍了人脸识别领域的一些基本概念,分析了深度学习在人脸识别的基本流程,并总结了近年来科研领域的研究进展,最后分析了静态数据与视 ...
- 深度学习之视频人脸识别系列（一）：简介
阅读时间约4分钟 [介绍]本文是深度学习之视频人脸识别系列的第一篇文章,介绍了人脸识别领域的一些基本概念,分析了深度学习在人脸识别的基本流程,并总结了近年来科研领域的研究进展,最后分析了静态数据与视频 ...
- 深度学习之视频人脸识别系列二：人脸检测与对齐
作者 | 东田应子 [磐创AI导读]本文是深度学习之视频人脸识别系列的第二篇文章,介绍人脸检测与对齐的相关算法.欢迎大家关注我们的公众号:磐创AI. 一.人脸检测与关键点检测 问题描述: 人脸检测解决 ...
- 蚂蚁金服张洁：基于深度学习的支付宝人脸识别技术解秘
用户身份认证是互联网金融发展的基石.今年三月,在德国汉诺威举办的IT展览会上,马云向德国总理默克尔和中国副总理马凯展示支付宝的"刷脸"支付,引起了人们对人脸识别技术的热议.在WOT ...
最新文章
- 怎么用IDEA快速查看类图关系？
- oracle 用mybatis生成主键
- Java-优秀博客推荐
- ajax代码编程题,关于AJAX管家代码的几个基本问题
- 使用Angular CLI创建一个Hello World级别的Angular应用
- 简单的Spring Memcached – Spring缓存抽象和Memcached
- 您好GroovyFX
- android 切换字体崩溃,androidx - 在Android 10 / Android Q上使用捆绑的ttf字体时崩溃 - 堆栈内存溢出...
- android实现双向绑定,Android使用DataBinding实现双向绑定（一）
- 昂达v811v1 刷4.22d
- 信息安全风险评估学习笔记
- ReactNative运用插件react-native-amap-geolocation获取Android手机高德经纬度
- 艺歌点歌系统服务器连接不了,艺歌手机点歌系统歌曲是什么格式
- asp.net报表制作视频教程
- 工厂模式及在项目中的应用
- go中的interface
- 魅族Android7.0刷机包,乐视X900+安卓7.1.2 魅族Flyme6刷机包 最新6.8.3.17R版 紫火20180510更新...
- 软件测试丨工具在接口测试中发挥什么样的作用？
- HTML的相关标记和属性
- C++ fabs和abs区别