機器學習中如何使用深度學習進行人臉識別？

人臉識別是根據照片中的人臉來識別和驗證其身份的任務。對於人類來說，這是一項簡單的任務，即使光線變化或隨著年齡增長而導致面部變化，或者被配飾、面部毛髮等遮擋，也能輕鬆識別。

但直到幾年前，它仍然是計算機視覺領域一個相當具有挑戰性的問題。深度學習方法能夠利用大量的人臉資料集並學習各種人臉表示，從而使現代學習模型能夠表現出色並取得更好的效果。

人臉識別可用於識別照片或影片流中的人。

人臉識別通常包含 4 個步驟 -

• 人臉檢測
• 人臉對齊
• 特徵提取
• 人臉識別。

人臉檢測

它指的是在影像中定位一個或多個存在的人臉。一旦定位到影像，就會用邊界框標記它們，以便系統可以輕鬆地識別這些面部。

人臉對齊

對人臉進行標準化，使其與資料庫中的資料（例如幾何和光度學）保持一致。

特徵提取

此步驟有助於從人臉中提取特徵，這些特徵可用於人臉識別任務。

人臉識別

最後一步，將人的面部與先前準備好的資料庫中一個或多個已知面部進行匹配。

注意 - 上述四個步驟都可以在單個模組中完成，或者每個任務都可以分離到不同的模組中，並可以逐步使用。

人臉識別問題可以被視為一個監督預測建模任務，它可以基於包含輸入和輸出的樣本進行訓練。

這裡，輸入是一張包含至少一張人臉的照片，輸出是最有可能檢測到的人臉。

此任務的輸出取決於任務所需的預測型別 -

• 如果它是人臉驗證任務，則可以是二進位制類別標籤或二進位制類別機率。

• 如果它是相似度型別任務，則可以是相似度度量。

• 如果它是人臉識別任務，則可以是類別標籤或機率集。

AmitDiwan

更新於： 2020-12-11

198 次瀏覽

開啟您的 職業生涯

透過完成課程獲得認證

開始學習