人臉識別（Face Recognition）

---

一、人臉識別簡介（What is face recognition?）

• 人臉驗證：輸入一張帶人名/ID的人臉圖片，驗證是不是那個人。一對一問題。
• 人臉識別：輸入任一張人臉圖片，判斷人名/ID。要求更高的準確率。
  

---

二、一次學習（One Shot Learning）

數據庫中，通常每個人只有一個帶標簽的樣本，這是不足以訓練一個穩健的卷積神經網絡來進行人的識別。而且，在有新的樣本成員加入的時候，往往還需要對網絡進行重新訓練，不現實。所以我們不能以傳統的方法來實現識別系統。這就要用one shot learning 來解決，即單樣本學習。

one shot learning :

• 通過大型的數據庫訓練出把圖片變成另一種好的編碼格式的CNN。
• 輸入時通過該CNN轉化圖片編碼，然后和數據庫中的各經過編碼的圖片進行比較，相似度最高的就是預測結果。
• 如果有新成員加入，則只需將其一張圖片添加至數據庫即可。
  

學習“similarity”函數：
衡量兩個樣本編碼間的差別有多大。同一標簽樣本之間的“similarity”函數值小，不同一標簽樣本的之間的大。

---

三、Siamese Network

• Siamese網絡其實是一個CNN，只是最后輸出的是圖像的編碼，不是識別的結果。
• 一旦從大型數據庫學習到這個CNN，CNN的參數就變成固定的了，和我們數據庫無關。

學習的目標：同一標簽樣本的編碼差別小，不同標簽樣本的編碼差別大。

---

四、三元組損失函數（Triplet Loss）

三元組損失函數：

損失函數中樣本組合（A, P, N），少選那些很容易區分的組合，多選那些不容易區分的組合，這樣才能學得更準確。

---

五、臉部驗證和二分類（Face Verification and Binary Classification）

學習“similarity”函數時，也可以用二分類的方法來學習。

---

神經風格轉換（Neural Style Transfer）

---

六、神經風格轉換簡介（What is neural style transfer?）

---

七、卷積神經網絡在學習什么（What are deep ConvNets learning?）

---

八、損失函數（Cost Function）

把要生成的帶風格圖像的所有像素值當做要學習的參數，隨機初始化，用梯度下降法去更新圖像的像素值。

Cost Function：

Content Cost Function：

Style Cost Function：

---

九、一維和三維的卷積（1D and 3D Generalizations）

一維卷積：

三維卷積：

---

總結

以上是生活随笔為你收集整理的吴恩达深度学习笔记13-Course4-Week4【人脸识别和神经风格转换】的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。