摘要：MTCNN网络解读： 搭建多层级联的CNN网络，将人脸检测和识别两个任务，使用统一的级联CNN集成在一起，进行解决。 网络包括三层： 第一层PNet：通过浅层的CNN网络快速的生成候选框； 第二层RNet：通过一个更复杂的CNN网络优化人候选框，拒绝大量的非人脸候选框； 第三层ONet：最后通过一个 阅读全文

摘要：实质理解： 训练过程： CNN在做卷积的时候，每一层的输出（可理解为形成的高维特征向量）是通过卷积的前向传播算法和反向传播算法（也就是梯度下降算法），结合真实的标签（前向传播结果与真实标签做误差）， 将前向传播的结果无限逼近具有真实标签，在此过程中不断的更新权重，形成具有真实标签类别信息的权重矩阵。 阅读全文

摘要：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 特点 阅读全文

摘要：import kerasfrom keras.datasets import mnistfrom keras.models import Sequentialfrom keras.layers import Dense, Dropout, Activation, Flattenfrom keras. 阅读全文