DeepID3 face recognition

DeepID3 face recognition

刚看完DeepID3[1]，总结一下，还是先简单介绍一下网络结构吧。

Network Architecture

DeepID3有两种不同的结构，分别为DeepID3 net1，DeepID3 net2。相对DeepID2+[2]，它的层数更多，网络更深。同时还借鉴了VGG net[3]和GoogLeNet[4]，引入了inception layer，这个主要是用在了DeepID3 net2里面。网络中还出现了连续两个conv layer直接相连的情况，这样使得网络具有更大的receptive fields和更复杂的nonlinearity，同时还能限制参数的数量。直接上图，从图中就能看出网络的结构，这里就不多说了。

Perfomance

在训练样本上，DeepID3仍采用原来DeepID2+中使用的样本，在25个image patches产生的网络上作对比时，DeepID3 net1优势最为明显，而DeepID3 net2提升不大显著。

DeepID3在LFW上的face verification准确率为99.53％，性能上并没有比DeepID2+的99.47％提升多少。而且LFW数据集里面有三对人脸被错误地标记了，在更正这些错误的label后，两者准确率均为99.52％。
因此，作者对于具有更深的架构网络是否具有更强的优势没有下定论，这可以作为之后的研究方向。
在检查误判人脸时，作者在DeepID[5]，DeepID2[6]，DeepID2+，