基于迁移学习的人脸识别实战.zip

人脸识别跟普通的图像识别还是有相似的地方比如都是图像cnn卷积池化但也有很多不同比如标注数据太少全国的身份证人脸识别每个人只有一张照片你怎么训练...这就需要用到一个新的迁移学习的思路将一个问题上训练好的模型通过简单的调整使其快速适用于一个新的问题.例如利用ImageNet数据集上训练好的Inception V3模型来解决一个新的图像分类问题可以保留训练好的Inception v3模型中所有卷积层的参数只是替换最后一层全连接层在最后这一层全连接层之前的网络层称为瓶颈层.而将新的图像通过训练好的卷积神经网络直到瓶颈层的过程可以看成是对图像进行特征提取的过程瓶颈层输出再通过一个单层的全连接层神经网络可以很好的区分类别所以有理由相信将瓶颈层的输出的节点向量可以被称为任何图像的更加精简且表达能力更强的特征向量.所以可以直接利用这个训练好的神经网络对图像进行特征提取然后再将提取得到特征向量作为输入来训练一个新的单层全连接网络来处理分类问题.