吴恩达 深度学习 卷积神经网络 特殊应用：人脸识别和神经风格转换

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_24502469/article/details/82144701

1.人脸识别

人脸验证 1：1

人脸识别 1：N

2.One-Shot Learning

单样本多分类学习

3.Siamese Network

通过Siamese网络得到一个人脸的128维特征

计算

如果值很大，则不是一个人

否则，是一个人

4.Tripiet损失

数据集：关于1K个人的10K个图片，P与A关于同一人的样本，N与A关于不同人的样本

一组Tripiet损失

总损失

5.面部验证与二分类

将不同样本的特征值通过计算得到的结果与阙值比较得到Y

6.神经风格转移

在某一层中选出一个单元，找出能够最大程度激活的九张图片，反复挑选

代价函数：

、

K，K′代表不同的通道1...n_c

7.一维、三维卷积操作

保持输入和过滤器通道数一致