王晶晶 刘蓉 侯雨静

摘要：本文将详细介绍DeepID网络人脸检测与识别算法研究，包括DeepID方法的网络结构、计算过程、数据集等内容，在此基础上介绍了联合贝叶斯模型。并通过对比实验，给出了DeepID网络训练效果图以及加入联合贝叶斯模型后的精度对比，直观反映出DeepID模型的训练结果。同时介绍了DeepID2+网络。着重介绍了关于交叉墒和验证信号等部分的内容。

关键词：DeepID网络；联合贝叶斯模型；DeepID2+网络；人脸检测与识别

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）17-0220-02

随着人脸检测与识别研究的不断深入，我们对于检测与识别准确性的要求不断攀升，基于深度学习的人脸检测与识别算法就是在这样的大背景下产生的。作为人工智能范畴的重要组成部分，机器学习通过研究计算机模拟或实现人类的学习行为，不断获取新的知识和技能，改善自身特性。而深度学习作为机器学习中的一种重要方法，通过卷积神经进行训练得到的数据模型更加完善周全。

DeepID网络是当前较为流行的一种网络，它的原理与基础卷积神经网络[1-2]的原理基本类似，通过改进和完善卷积神经网络的内容，完成DeepID网络的实现。DeepID网络相比于卷积神经网络，最大的特点是在经过多层的网络结构对数据进行处理和训练后，可以获得的十分丰富的验证信息，准确率大大提高。

而DeepID2+網络则是在基于DeepID网络的基础上，对人脸检测与识别的精度和维度等相关量都进行了一定程度的改善，使得训练模型结构更为完善，训练结果效果更佳出色。……