数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究机器学习中如何使用深度学习进行人脸识别？
人脸识别是根据照片中的人脸来识别和验证其身份的任务。对于人类来说，这是一项简单的任务，即使光线变化或随着年龄增长而导致面部变化，或者被配饰、面部毛发等遮挡，也能轻松识别。
但直到几年前，它仍然是计算机视觉领域一个相当具有挑战性的问题。深度学习方法能够利用大量的人脸数据集并学习各种人脸表示，从而使现代学习模型能够表现出色并取得更好的效果。
人脸识别可用于识别照片或视频流中的人。
人脸识别通常包含 4 个步骤 -
- 人脸检测
- 人脸对齐
- 特征提取
- 人脸识别。
人脸检测
它指的是在图像中定位一个或多个存在的人脸。一旦定位到图像，就会用边界框标记它们，以便系统可以轻松地识别这些面部。
人脸对齐
对人脸进行标准化，使其与数据库中的数据（例如几何和光度学）保持一致。
特征提取
此步骤有助于从人脸中提取特征，这些特征可用于人脸识别任务。
人脸识别
最后一步，将人的面部与先前准备好的数据库中一个或多个已知面部进行匹配。
注意 - 上述四个步骤都可以在单个模块中完成，或者每个任务都可以分离到不同的模块中，并可以逐步使用。
人脸识别问题可以被视为一个监督预测建模任务，它可以基于包含输入和输出的样本进行训练。
这里，输入是一张包含至少一张人脸的照片，输出是最有可能检测到的人脸。
此任务的输出取决于任务所需的预测类型 -
如果它是人脸验证任务，则可以是二进制类别标签或二进制类别概率。
如果它是相似度类型任务，则可以是相似度度量。
如果它是人脸识别任务，则可以是类别标签或概率集。
更新于： 2020-12-11
198 次浏览
广告