深度学习人脸识别研讨.ppt

●Related works for feature learning 1. Learning-based descriptors 2. Deep models ● Network Architecture Deep Learning Identity-Preserving Face Space Xianhao Gan PCA是将分散在一组变量上的信息集中到某几个综合指标（主成分）上的数学方法，实际上起着数据降维的作用，并保证降维过程最大化保留原数据的差异。 这对最大化类间差异（即不同人之间的差异）并最小化类内差异（即同一人的不同图像间的差异）很有效 用PCA将2维数据降到1维的例子，绿色点表示二维数据，PCA的目标就是找到这样一条直线，使得所有点在这条直线上的投影点之间的平均距离最大。也就是最大化地保留了原数据的差异性。 本征脸（eigenface）方法 是人脸识别的基准技术，并已成为事实上的工业标准， 该方法基于主成分分析（PCA） 本征脸方法 如果将本征向量恢复成图像，这些图像很像人脸，因此称为“本征脸”。 [M. Turk A. Pentland, JCN91] 本征脸法认为图像的全局结构信息对于识别最重要，将图像看做矩阵,计算本征值和对应的本征向量作为代数特征进行识别,具有无需提取眼、嘴、鼻等几何特征的