一、人脸检测
二、人脸识别
- 输入：固定大小的图像
- 问题1：需要使用的网络层数更多
- 如何完成优化
- 问题2：能处理多个类的情况
- 类似于迁移学习
1、 模型1：VGGNet
- 3*3 娟娟核心代替5*5的卷积
- 训练参数多
2、 模型2：GoogleNet、Inception
- 将一个大的卷积核心拆分成多个小的卷积核心
网络模型优化：
- input输入进来之后，通过1*1卷积核心
如：用tensorflow基础的变换实现
input ： B H W C1
中间的变换过程：H ·W （其中W为(1,1,C1,C2)）
output: B H W C2
原文：https://www.cnblogs.com/1112-msf/p/12554248.html