DeepID2+人脸识别算法学习

DeepID2+在DeepID2的基础上，继续对网络结构做了修改，同时增加了对卷积圣经网络的分析，发现了几个特征：（1）适度稀疏，及时将神经元二值化之后，认证效果依然很好；（2）选择性，高层神经元对认证对象具有高度敏感性，对于同一个人很多神经元会持续保持激活或者抑制状态；（3）和鲁棒性，对于水平遮挡或者随机块遮挡，具有较高的鲁棒性，及时只剩额头和头发，仍然可以达到88.2%的准确率。

1.网络结构修改

DeepID2+继承了DeepID2的网络结构，并在低层网络添加了监督信号。

如figure2所示，和DeepID2一样，包含四层卷积层，不同的是DeepID2+做了三方面的改进：
（1）每层卷积层增加到128个特征映射，最终产出512维特征（原始160维）；
（2）训练数据集Merge了celebFaces+和WDRef数据集，总共290000副人脸图片，12000个人；
（3）在每个卷积层都增加了监督信息，不仅和第三层第四层的max-pool层连接，还连接了第一层和第二层的max-pool层，通过连接max-pool层的一个512维的全连接实现。
Id：识别信号
Ve：验证信号
FC-n：第几层的max-pooling层

实验中，使用12000个人的290000张图片进行训练，使用2000个人做测试，以及组合贝叶斯的训练。基于FC-n这几层产出的512维的特征向量使用组合贝叶斯进行训练，使用2000个人做训练，最后在LFW的6000组pair中测试。这2000人也用于DeepID2+网络中学习率和训练参数的训练。
实验比对的有：网络中没有添加其它层级监督，只有FN-4层添加了后向传播梯度来训练模型；使用少量的数据，只使用CelebFaces+的数据被使用了；卷积层只使用160维的特征映射。所有卷积网络输入的是一张包含整个人脸的图片，结果如Figure3所示。