澎思科技资深算法研究员罗伯特:有限算力资源下的深度学习与人脸识别(11)

澎思科技资深算法研究员罗伯特:有限算力资源下的深度学习与人脸识别

4.人脸属性与深度学习

从现在开始,内容不会给大家介绍那么详细,限于概括性的介绍。下一步给大家介绍一下人脸属性与深度学习,如图所示:前几层设计所有任务共享的卷积层和欠采样层。后来几个网络分支对应不同标签类别,比如局部、全局标签,有序标签、类别性标签等等。需要大量的标注好的人脸属性训练样本,在GPU上训练共享的参数和分支的参数。

澎思科技资深算法研究员罗伯特:有限算力资源下的深度学习与人脸识别

5.人脸识别应用

接下来简单介绍一下人脸识别的应用,如下图:

澎思科技资深算法研究员罗伯特:有限算力资源下的深度学习与人脸识别

6.深度学习与人脸识别未来

下面讨论一下深度学习与人脸识别的未来,如下图:

推荐阅读