DeepID1,DeepID2

1.DeepID1 （Deep Learning Face Representation from Predicting 10,000 Classes）

Step1:构建网络框架

DeepConvNet主要由卷积层、Pooling层和全连接层构成。其中，Deep hidden indentity features层与Pool3和Conv4部分连接。

Step2:特征提取

每张人脸图提取5个landmark（两个眼睛的中心，嘴角的两个角点，鼻尖）：1.以部分landmarks弱对齐方式提取5个脸部patch;2.以每个landmark为中心,提取5个脸部patch。每张脸提取10个patch,选取3种不同分辨率，2种不同色彩（即彩色图和灰度图），一张人脸图可以提取60个pathches，因此需要训练60个CNN。每个CNN输出特征长度均为160，为了增加模型训练数据量，可以对60个patches进行镜像处理，最终得到的特征长度为160*60*2

Step3:神经网络人脸验证

作者采用两种不同的方法进行人脸验证，即基于联合贝叶斯的人脸验证方法和基于神经网络的人脸验证方法。

贝叶斯人脸验证方法：

将每一个人脸的160*2*60维特征用PCA降维到150维长度，然后用用两个长度为150维的特征计算其联合贝叶斯概率值，并与预定阈值比较判定是否是同一张人脸。

神经网络人脸验证方法：

用于人脸验证的神经网络包括四层，即input layer, locally connected layer, fully connected layer和output layer。

input layer：利用Conv-Net可以从一幅人脸图像中提取出160*2*60维长度的一维特征（在这里60代表之前训练得到的60个CNN）。人脸验证的输入是两幅人脸图像，那么用60个CNN中的其中一个CNN对两幅人脸图像及其镜像图像进行特征提取，可以得到160*2（mirror）*2（people）=640维长度的一特征。相应地，60个CNN可以生成60组640维长度的一维特征，将这些特征首尾得到640*60维长度的以为特征。将640*60=38,400长度的一维特征作为人脸验证神经网络的输入。为了满足后续网络对输入层的需求，我们在输入端仍然采用60段独立的640维长度的特征（每段640维的特征是有两个人脸图像及其镜像图像通过一个CNN生成的）。

locally connected layer: 之前通过CNN特征提取得到的60组特征。事实上，每一组特征内部都是高度冗余的，因此在输入层后添加如下图所示的局部连接层作为第一个隐层，这样既可以保留局部特征学习特性又能实现特征降维。

fully connected layer:第二个隐层是全连接层，用于学习全局特征。

output layer:输出层是一个sigmoid函数，用于输出学习结果。

另外，需要注意的是训练网络中每一个隐层（即locally-connected layer和fully-cnnected layer）后都会跟relu层和dropout层，防止梯度弥散和过拟合，使loss收敛效果和网络泛化性能更好。

Step4:实验测试

作者比较了联合贝叶斯人脸验证和神经网络人脸验证方法的性能，实验结果如下：

1.通过联合贝叶斯人脸验证方法实验可知：采用60个Conv-net得到的特征比只使用1个Conv-net得到的特征效果好。（准确率从95.35%提升到96.05%）。即Convnet数量越多，准确率越高。

2.增加Soft-max layer的输出数量（即分类数，或识别的个体数）可以提升人脸验证的准确率。即分类的类别数越多，DeepConv-Net学到的DeepID特征（160维）越有效。此外，作者强调用于人脸验证的一定是160维长度的DeepID特征，而不是Softmax Layer的输出。如果用SoftmaxLayer输出的结果（例如用4348个不同人的数据训练DeepID,Softmax输出是4348维）进行人脸验证特征，采用联合贝叶斯人脸验证方法得到的准确率约为66%，而神经网络人脸验证方法则完全失效。

3.增加patches数（即Convnet数目，两者是相等的）会使DeepID特征维度升高，这与我们在前面第1条结果中得到的结论是一致的。此外，将Convnet数目从1提升到60时，分别用联合贝叶斯和神经网络两种方式进行人脸验证。实验结果表明：虽然神经网络人脸验证方法在Convnet数从1提升到60的过程中准确率相对提升幅度较联合贝叶斯方法略高，但是当Convnet数目是60个时，联合贝叶斯方法绝对准确率更高。

4.训练数据越多，Convnet数目越多（即一幅人脸图像提取的Patch数目），人脸验证准确率越高。

2. DeepID2 （Deep Learning Face Representation by Joint Identification-Verification）

继之前的DeepID1实现了97.45%的人脸验证准确率后，作者进一步发扬光大设计了DeepID2，将人脸验证准确率提高至99.15%。我们知道，提高识别网络性能本质上就是要降低类内差异，提高类间差异。然而，传统的DeepID1特征更多将特征学习过程集中在如何提高类间差异，而没有考虑到降低类内差异。特别是对于一些训练时没有出现的类别，对于同一个人的两幅不同图像，因为得到的DeepID1特征不同，很可能在人脸验证时错误识别为不同类别；又或者是，不同人的DeepID1特征验证位同一个人。因此，作者在设计DeepID2时，通过修改Loss函数的组成形式，在提高类间差距的基础上进一步降低类内差距，从而对训练过程中未出现的新类别在人脸验证阶段发挥积极作用。下面将具体介绍DeepID2:

Step1:DeepID2特征提取模型

DeepID2网络模型与DeepID1网络模型基本类似，DeepID2 layer的输入是有Pool3和Conv4共同组成的。这里需要注意DeepID2与DeepID1的一个重要区别是Loss函数的形式。DeepID1的Loss函数即SoftmaxLoss,DeepID2的Loss包括两个部分：SoftmaxLoss和L2/L1 Loss，即文中提到的识别Loss和验证Loss，具体形式如下所示：

第一个公式是识别Loss,其主要目的是增加类间差距，从而区分不同人脸的图像。第二个公式是验证Loss，其主要目的是增加类间差距、降低类内差距。可以看出Yij=1时表示i和j属于同一类，这时fi和fj越接近（类内差距越小）则loss越低；Yij=-1时表示i和j属于不同类，这是如果fi和fj的差值的平方大于某一个阈值m，则loss=0,因此可知对于不同类别类间差距越大，loss越小。作者认为验证loss可以从L1/L2/Cos Loss中任选一种形式，另外作者用权重lamda表示识别Loss和验证Loss的相对权重。

Step2:人脸验证

在进行人脸验证时，作者采用SDM算法从一幅人脸图像中检测到的21个脸部特征点，然后通过相似性变换进行全局人脸对齐。然后根据人脸中landmark的位置、图像颜色、图像尺度及水平镜像方式生成400个脸部patches.考虑到水平镜像的因素，对400个脸部patches可以训练200个CNNs进行识别。200个CNNs处理一幅人脸图像可以生成400组长度分别为160维的特征，即特征总长为400*160=64,000维。当然，这样的特征冗余度很高，因此作者采用前向-反向贪婪算法选取出效果最好的25组特征，这样可以生成25*160=4000维的特征。然后用PCA将4000维的特征降至180维。用联合贝叶斯人脸验证方法验证DeepID2特征。

实验结果：

1.作者验证了lamda（即验证loss的权值）对人脸验证准确率的影响。当lamda=0（相当于不用验证loss）或lamda=+无穷大(相当于不用识别loss)，人脸验证效果都不如lamda在俩者之间的取值。作者采用不同的lamda取值测试L2人脸验证模型和联合贝叶斯人脸验证模型，从实验结果可以看出lamda从0增加到+无穷大时，两种人脸验证模型的准确率都是先升高后降低。

2.当用于训练DeepID2的人脸类别越丰富（即人脸类别数），通过CNN学习的特征在人脸识别阶段会越有效，该结论与DeepID1是类似的。

3.作者测试了不同形式的验证loss函数（L2+ loss, L2- loss, 余弦loss）对于人脸验证结果的影响，此处不作介绍。

4.作者选取了七组不重复的特CNN特征组合，用联合贝叶斯方法处理后，进一步采用svm对结果融合，得到最终结果99.15%。（OMG,这种处理方法.......）

总之，作者通过修改CNN网络模型（卷积层的kernel数）和Loss（最重要的修改）的方式训练得到新的DeepID2特征，通过进化版本的特征组合方式，实现了99.15%的人脸验证准确率。