卷积神经网络的应用（人脸识别）

应用：人脸识别

步骤：

1.   问题定义：

如何识别人脸，即需识别哪些图片是人脸，不同的人脸之间有哪些区别，哪些是真的人脸，哪些是照片等，如何识别同一个人的不同状态时的面部。

2.   确定评估标准：

判断出是真的人脸的准确率需达标，以及判断出是同一个人的脸的准确率需达标。程序相关指标须达到TAR （True Accept Rate）= ** @ FAR（False Accept Rate）=0.00100             

3.确定Baseline和Target：

（1）检测率：识别正确的人脸/图中所有的人脸。检测率越高，代表检测模型效果越好。

（2）误检率：识别错误的人脸/识别出来的人脸。误检率越低，代表检测模型效果越好。

（3）漏检率：未识别出来的人脸/图中所有的人脸。漏检率越低，代表检测模型效果越好。

（4）速度：从采集图像完成到人脸检测完成的时间。时间越短，检测模型效果越好。

4.模型训练：

如：1.PubFig: Public Figures Face Database(哥伦比亚大学公众人物脸部数据库)。给程序提供大量的人脸进行扫描，记忆，辨别。

5.模型评估/再训练：

利用自己设计的模型进行训练，与标准的训练结果进行对比，找出问题所在，对现存模型进行改进，直到达标。