DeepID的网络结构如下,网络最后一层获取的特征维数是160,用于分类超过10000类人脸身份,串联从不同人脸patch获取的DeepID特征,特征可以使用Joint Bayesian分类:
Deep ConvNets
网络结构如下,DeepID最后一层与第三第四卷积层全连接,以减少第四层可能存在的信息损失。
网络的输出是softmax预测n个身份的概率:
特征提取之前进行人脸矫正,使用五个基准点,由10个区域,三个尺度和四个颜色空间组成的60个人脸块提取特征,训练60个ConvNets,特征总长度为160*2*60,其中的十个图像块如下图所示:
提取的160维特征如下图所示:
人脸认证
1.Joint Bayesian
使用两个独立的高斯变量表示面部特征:
x=μ+ϵ
其中μ N