深度學習與人臉識別系列（3）__基於VGGNet的人臉識別系統
作者：wjmishuai
1.引言
本文中介紹的人臉識別系統是基於這兩篇論文：
第一篇論文介紹了海量資料集下的圖片檢索方法。第二篇文章將這種思想應用到人臉識別系統中，實現基於深度學習的人臉識別。2.關於深度學習的簡要介紹
現階段為止，對於影象分類來說，都是使用人工提取特徵的方式來提取影象的特徵。為了提高識別的準確率，我們首先需要收集大量的資料，然後利用更強大的模型提取特徵，並使用更好的演算法來防止過擬合。直到最近幾年，帶有標籤的資料集的規模還是很小的。如果識別任務比較簡單，利用小規模的資料集完全可以。例如，針對MNIST資料集上的數字識別程式已經接近人類的識別能力了3. 人臉識別系統的原理
神經網路提取特徵的過程：一張人臉圖片是由基本的edge構成。但是更結構化，更復雜，具有概念性的特徵如何表示？這就需要更高層次的特徵表示，比如V2，V4。因此V1是畫素級特徵。V2看V1是畫素級的，層次遞進，高層表達由低層表達的組合而成。專業點說就是基basis。V1取提出的basis是邊緣，然後V2層是V1層這些basis的組合，這時候V2區得到的又是高一層的basis。即上一層的basis組合的結果，上上層又是上一層的組合basis……
直觀上說，就是找到make sense的小patch再將其進行combine，就得到了上一層的feature，遞迴地向上learning feature。
在不同object上做training是，所得的edge basis 是非常相似的，但object parts和models 就會completely different了（那咱們分辨car或者face是不是容易多了）：
從文字來說，一個doc表示什麼意思？我們描述一件事情，用什麼來表示比較合適？用一個一個字嘛，我看不是，字就是畫素級別了，起碼應該是term，換句話說每個doc都由term構成，但這樣表示概念的能力就夠了嘛，可能也不夠，需要再上一步，達到topic級，有了topic，再到doc就合理。但每個層次的數量差距很大，比如doc表示的概念->topic（千-萬量級）->term（10萬量級）->word（百萬量級）
VGG_Face 網路的配置，列出了每一層濾波器的大小和數量，並且指明瞭步長和padding的方式：
4. 模型的訓練過程
如果沒有實驗條件的話，不建議訓練vgg_net。時間太長了，除非你有泰坦x顯示卡或者更好的顯示卡，這裡給出訓練的過程（基於caffe框架），有條件的可以做一下：