VGG-Face：Deep Face Recognition 笔记

此文由牛津大学视觉研究所于2015年发表
论文链接：http://www.robots.ox.ac.uk/~vgg/software/vgg_face/

1.研究问题

数据采集、人脸识别与验证。

2.此文工作

此文有两个主要工作：如何在网络上搜集需要的人脸数据；训练深度网络完成人脸识别与验证。
数据搜集忽略不讲，可自行查阅。

2.1 网络结构

此文采用的网络结构为VGGNet， 网络结构如下：

首先使用自己收集到的数据利用softmax 训练，得到的网络即可实现人脸识别。

2.2 Triplet Loss 进行人脸验证

2.3 实验与讨论

**此文使用比其他方法少得多的数据得出了更好的结果。

3.总结

此文首先介绍了在网络上获取大量的数据的方法，然后在他们自己获得的数据的基础上训练vggface 实现人脸识别， 并将其中最后一层作为特征训练Triplet-Loss 进行人脸验证。在较少的数据的基础上达到了前人海量数据才能达到的效果。

人脸识别论文review到这了，接下来还有一系列人脸识别新进展：

目前人脸识别与验证的通用方法：
利用深度卷积网络提取图像特征，再利用联合贝叶斯、距离度量、SVM等一系列的分类方法对特征分类验证。

深度网络是手段，特征学习是目的