怎麼使用caffe實現人臉的識別?

01-23

本科生,因為導師覺得caffe這一塊將來會比較熱門,就讓我自己學一下..現在我在Ubuntu下搭建好了caffe,使用500人的人臉,訓練好了一個模型,但是怎麼通過這個模型進行人臉的識別呢?是用classification,還是用detection?caffe官網上的樣例照著做了一次,似乎並不是人臉的識別啊..

有個公開的已經訓練好的用於人臉識別的模型，可供finetune

論文：http://www.robots.ox.ac.uk/%7Evgg/publications/2015/Parkhi15/parkhi15.pdf

模型：http://www.robots.ox.ac.uk/~vgg/software/vgg_face/

分享一下自己做的人臉識別項目GitHub - wjxzju/Face-Recognition-Web-demo: Web demo of face recognition. 採用的人臉識別是lightenCNN

簡單說說：

1 資料庫，像題主這樣的數據集，傳統的手工特徵完全足夠，不需要用CNN，DL吃數據，現在比較大的人臉數據集，casia webface database，需要申請Center for Biometrics and Security Research

Center for Biometrics and Security Research；然後港中大也有一個人臉數據集；最近還有一個MegaFace，但是目前好像還不能下載MegaFace

MegaFace。

2 網路，caffe現在應該是最廣泛的開源框架了，設計網路比較簡單，只要有思路，就可以像搭積木一樣來組合。樓上的beanfrog貼出的model，對於數據量不夠而又想使用CNN的我們來說，福音有沒有，強烈建議題主在其上來finetune，並且歡迎交流。

3 人臉識別，如果沒有講過預處理的當然需要detection和location，不過好多人臉數據集可以預先處理，這樣在caffe中只需要classification了。這塊你可以看看去年的ImageNet競賽，ImageNet Large Scale Visual Recognition Competition 2014 (ILSVRC2014)

ImageNet Large Scale Visual Recognition Competition 2014 (ILSVRC2014)。今年的classification的task變了。

請問樓主使用哪個模型？我用的caffenet，CMU_NEW的人臉庫（55類，每人170張），可以達到不錯的accuracy

classification，你的人臉庫太小，不好做的