deepID2

deepID2 

摘要：人脸识别的关键挑战在于发展有效的特征表示算法为了减低类内的变化扩大类间的变化。

the face identification task increases the inter-personal variations by drawing deepID2 extracted from different identities 

the face  verification task reduces the intra-personal variations by pulling deepID2 extracted from same identity 

在LFW 数据库上，  face  verification 可以达到99.15%

与DeepID1相比，在LFW 上的错误里降低了67% （这个要怎么理解）

Face Identification，人脸识别，将一个输入图像进行分类，类别集合会很大。

Face verification，人脸验证，对两个图像进行判断，确认是不是同一个人的图像。

论文的主要创新点就是利用deep learning学习图像特征，具体的创新点就是通过扩大类间距离和缩小类内距离。

http://www.csdn123.com/html/topnews201408/96/11796.htm

http://blog.youkuaiyun.com/stdcoutzyx/article/details/41497545

 这个图里面表明单独每个patch 对最后结果的贡献。

            

 增加patch 的数量，face erfication 的精度就越来越好。