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( 六 )_：澎思科技资深算法研究员罗伯特：有限

对深度学习的定义和概念的介绍就到这，接下来了解深度学习怎么应用在人脸抓拍的领域。

2.人脸检测与深度学习

人脸抓拍第一步是人脸检测，是一个二类分类问题，只有两类：人脸和非人脸。人脸检测中一个难题是人脸大小未知。克服这个难题的一个办法是图像金字塔，如下图左侧部分所示。图像金字塔包含不同缩小率的缩小图像。对不同缩小图用固定窗口大小进行扫描，就可以做到多尺度人脸检测。

人脸检测另外的难题是类内的丰富性。人脸有白种人、黄种人、黑人等不同种族，图像光照条件不同、模糊度不同，人脸姿态、角度也不同。非人脸类更复杂，有无穷多个非人脸的可能性。所以，分类人脸和非人脸需要比较深、有一定判别能力的深度学习网络。用深的网络扫描整个图像金字塔的方法不最优，计算量太大。可以利用非人脸可以细分成简单负样本（例如平稳的天空）、中等负样本（例如衣服文理、胳膊、手）和难负样本（跟人脸非常相似）的事实。先用极少的计算量排除简单负样本，然后用中等计算量排除中等负样本。以此类推，用更大的计算量排除难度更大的负样本，最中留下的所有没排除的窗口分类成人脸。在传统领域该思想叫做ADABOOST分类器组合方法。