19、深度学习：面部识别与自动图像字幕生成

深度学习：面部识别与自动图像字幕生成

1. 面部识别流程

在面部识别任务中，我们需要完成特征提取、预处理、分类器训练和评估等步骤。以下是详细介绍：
- 特征提取
- 完成数据分割和对齐后，我们将为每个身份生成向量嵌入。这些嵌入可作为分类、回归或聚类任务的输入。
- 训练一个卷积神经网络（CNN）以输出面部嵌入需要大量数据和计算能力。不过，一旦网络训练完成，它可以为任何面部生成测量值，即使是它从未见过的面部。
- 为方便起见，我们提供了一个在Inception - Resnet - v1上预训练的模型，可对任何面部图像运行该模型以获得128维特征向量。该文件位于 /pre - model/Resnet - 185253.pb 目录。
- 若想自己尝试此步骤，OpenFace提供了一个Lua脚本（https://github.com/cmusatyalab/openface/blob/master/batch - represent/batch - represent.lua），可生成文件夹中所有图像的嵌入并将其写入CSV文件。
- 创建输入图像嵌入的代码如下：

def _create_embeddings(embedding_layer, images, labels, images_placeholder, phase_train_placeholder):
    """
    Uses model to generate embeddings from :param images.
    :param e