阅读论文《DeepFace: Closing the Gap to Human-Level Performance in Face Verification》

 传统的人脸识别过程分四个阶段：detect->align->represent->classify

 本论文采用显式三维人脸建模的方法，重新讨论了对齐和表示两步算法，应用分段仿射变换，从九层深度神经网络中推导出人脸表示。这个深层神经网络涉及一亿两千万个参数，使用几个局部连接的层，而不是标准的卷积层。在目前最大的人脸图像库上训练，这是一个由四百万张面部图像组成的标识数据集，共有4000多个身份。该方法在LFW人脸数据集上精度达到97.35%，使当前科技水平的误差率降低了27%以上，接近人工识别水平。

 人脸对齐的内容如上图：

 （a）通过6个基准点进行人脸检测

 （b）二维裁剪，将人脸部分裁剪出来

 （c）基于67个基准点的二维人脸对齐，使用相应的Delaunay三角化，在轮廓处添加三角形避免不连续

 （d）将上一步的结果转换为三维形状

 （e）三角化后的人脸变为有深度的三维三角网

 （f）将三角网做偏转，使人脸的正面朝前

 （g）最后放正的人脸

 （h）一个新角度的人脸（在论文中没有用到）

人脸表示

通过人脸对齐后，得到人脸图像，大小为152×152×3,，接下来交给神经网络得出向量特征。网络结构如图：

• C1：卷积层，32个filters，卷积核11×11×3，得到结果32×11×11×3@152×152
• M2：Max-pooling：3×3，stride=2，32×3×3×32@71×71
• C3：卷积层，卷积核9×9×16，16×9×9×32@63×63
• L4：Local-Conv，卷积核9×9，Local的意思是卷积核的参数不共享，16×9×9×16@55×55
• L5：Local-Conv，卷积核7×7，参数不共享，16×7×7×16@25×25
• L6：Local-Conv，卷积核5×5，参数不共享，16×5×5×16@21×21
• F7：Fully-connected，4096d
• F8：Softmax，4030d

前三层的目的是提取低层次特征，比如简单的边和纹理。其中Max-Pooling层使得卷积的输出对微小的偏移情况更加鲁棒。

但没有用过多，因为太多的Max-Pooling层会使得网络丢失一些细节信息

（information about the precise position of detailed facial structure and micro-textures）。

后面三层都是使用参数不共享的卷积核，之所以使用参数不共享，有如下原因：

• 对齐的人脸图片中，不同的区域会有不同的统计特征，卷积的局部稳定性假设并不存在，所以使用相同的卷积核会导致信息的丢失
• 不共享的卷积核并不增加抽取特征时的计算量，而会增加训练时的计算量
• 使用不共享的卷积核，需要训练的参数量大大增加，因而需要很大的数据量，然而这个条件本文刚好满足。

全连接层将上一层的每个单元和本层的所有单元相连，用来捕捉人脸图像不同位置的特征之间的相关性。其中，第7层（4096-d）被用来表示人脸。

全连接层的输出可以用于Softmax的输入，Softmax层用于分类。