文献阅读 - Deep Face Recognition

Deep Face Recognition

---

O. M. Parkhi, A. Vedaldi, A. Zisserman, Deep Face Recognition[C], British Machine Vision Conference, 2015

---

摘要

面部识别进展：（1）端到端学习（end to end learning）；（2）大规模训练集（very large scale training datasets）

本文内容：（1）260万张面部图像、2600+用户数据集创建；（2）深度网络训练和面部识别

1 引言

Google的FaceNet训练数据集比公开面部数据集大三个数量级（three orders of magnitude larger than）

本文提出：

（1）创建仅需有限人力标注的大规模面部数据集的过程；
（2）利用该训练集，考查用于面部识别及验证的CNN网络结构，包括面部对齐和度量学习。

2 相关工作

• DeepFace
  孪生网络结构（siamese network architecture）、欧氏距离（Euclidean distance）、度量学习（metric learning）、3D面部对齐

• DeepID
  CNN、贝叶斯学习框架（Bayesian learning framework）训练测度（metric）、分类&验证（classification and verification）多任务学习（multi-task learning）、2D面部对齐（2D affine alignment）

• FaceNet
  三元组损失（“triplet-based” loss）
  三元组：同一用户面部图像（congruous）$(a,b)$和其他用户面部图像$c$
  目标：使$a$、$b$间距小于$a$、$c$间距（make $a$ closer to $b$ than $c$），$a$为中心脸（a “pivot” face）

3 数据集采集

• 步骤1：收集过滤候选用户列表，共2,622位明星
• 步骤2：为每个用户收集面部图像，每个用户2000张
• 步骤3：用Fisher面部描述符（Fisher Vector Faces descriptor）训练SVM（a one-vs-rest linear SVM），评价面部图像，每个用户保留1000张面部图像
• 步骤4：删除相似（near duplicate）图像
• 步骤5：人工过滤（manual filtering），最终面部图像982,803张，95%为正脸（frontal），5%为侧脸（profile）

4 网络结构和训练

4.1 学习面部分类器

$N$元分类问题（$N$-ways classification problem），$N=2622$

深度网络（deep architectures）$\varphi$
训练图像（training image）$l_t$，$t=1,2,\dots ,T$
得分向量（score vector） x t = W ϕ ( l t ) + b ∈ R N \mathbf{x}_t = \mathbf{W} \phi (l_t) + b \in \mathbb{R}^{N} xt​=Wϕ(lt​)+b∈R