基于深度学习的人脸识别（连体架构）

Question

我想使用预先训练的模型进行人脸识别。 我尝试使用需要一些图像的连体架构。 你能给我任何训练有素的模型，我可以为暹罗建筑改变吗？ 如何更改网络模型，我可以放置两个图像以找到它们的相似之处（我不想根据 此处的教程创建图像）？ 我只想将系统用于实时应用。 你有什么建议？

Answer 1

我想您可以使用在Xiao Wu、Ran He、Zhenan Sun、Tieniu Tan A Light CNN for Deep Face Representation with Noisy Labels (arXiv 2015) 中描述的 这个模型作为您实验的起点。

对于 Siamese 网络，您想要获得的是从人脸图像到一些高维向量空间的映射，其中点之间的距离反映了人脸之间的（不）相似性。
为此，您只需要一个网络，该网络将人脸作为输入并生成一个高暗向量作为输出。
但是，要使用 Siamese 方法训练这个单一网络，您将复制它：创建同一个网络的两个实例（您需要明确链接两个副本的权重）。 在训练期间，您将向网络提供成对的人脸：每个副本一个，然后两个副本顶部的单个损失层可以比较代表两个人脸的高维向量，并根据“相同/not same”与该对相关联的标签。
因此，您只需要训练的副本。 在测试时间（ 'deploy' ），你将有一个单一的网络为您提供面的语义上有意义的高维表示。

有关更先进的 Siamese 架构和损失，请参阅此线程。

---

另一方面，您可能需要考虑Oren Tadmor、Yonatan Wexler、Tal Rosenwein、Shai Shalev-Shwartz、Amnon Shashua使用多批次方法学习用于人脸识别的度量嵌入(arXiv 2016) 中描述的方法。 这种方法比图像对上的成对损失更有效且更容易实现。