本文详细介绍了OpenFace实现人脸识别的流程，包括输入图像检测、人脸对齐、特征表示和实际应用。通过人脸检测、关键点检测进行校准，使用深度卷积网络将人脸转换为128维向量表示，结合center loss优化特征表示，适用于人脸识别、验证和聚类任务。
本文中，笔者将介绍OpenFace中实现人脸识别的pipeline，这个pipeline可以看做是使用深度卷积网络处理人脸问题的一个基本框架，很有学习价值，它的结构如下图所示：
Input Image -> Detect
输入：原始的可能含有人脸的图像。
输出：人脸位置的bounding box。
这一步一般我们称之为“人脸检测”（Face Detection），在OpenFace中，使用的是dlib、OpenCV现有的人脸检测方法。此方法与深度学习无关，使用的特征是传统计算机视觉中的方法（一般是Hog、Haar等特征）。
对人脸检测这一步感兴趣的可以参考下列资料：
- dlib的实现：http://blog.dlib.net/2014/02/dlib-186-released-make-your-own-object.html
- openCV的实现：Face Detection using Haar Cascades
Detect -> Transform -> Crop
输入：原始图像 + 人脸位置bounding box
输出：“校准”过的只含有人脸的图像
对于输入的原始图像 + bounding box
扫一扫
1095
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
