使用分类器进行转移学习以进行面部识别

Question

我想知道是否可以使用Inception或ResNet模型来识别面孔。我想知道转学和培训对于我的任务是否足够。

我只想能够识别人脸，但我也很好奇我是否可以为自己的任务重新训练/优化预先训练的模型。

或者我读错了什么；我需要获取专为面部设计的预训练模型吗？

我尝试使用Inception和VGG16玩玩，但我没有训练他们的脸部。我正在研究它，但是我想知道这是否可行或仅仅是浪费时间。如果我在FaceNet上使用转移学习，我想我会过得更好。

Answer 1

用于面部检测的转移学习将是前进的好方法。而且，是的，使用Facenet进行转移学习是一个好主意。

此外，为了使迁移学习正常工作，也不必最初仅使用面部表情（例如使用facenet）对模型进行预训练。用imagenet预先训练的模型也很好！这是一个非常热门的话题，所以不要尝试重新发明轮子。已经有许多存储库通过使用从imagenet数据集中的传输学习以及使用resnet50取得了惊人的良好效果，完成了此操作。

这是一个此类存储库的链接：

https://github.com/loheden/face_recognition_with_siamese_network

还请注意，暹罗网络是一种在面部识别用例中特别出色的技术。暹罗的概念非常简单：拍摄两个图像并比较这两个图像的特征。如果特征相似度高于设定的阈值，则两个图像相同（两个脸部相同），否则不相同（无法识别脸部）。

这是关于siamese networks for facial recognition的研究论文。

此外，这是一个分为两部分的教程，介绍了如何使用转移学习来实现用于面部识别的暹罗网络：

http://www.loheden.com/2018/07/face-recognition-with-siamese-network.html

http://www.loheden.com/2018/07/face-recognition-with-siamese-network_29.html

以上教程的代码位于我在此答案开头分享的第一个Github链接中。