《Multi-task Deep Neural Network for Joint Face Recognition and Facial Attribute Prediction》2017，Zhanxiong Wang et al.1.引言：本文首次提出了一种多任务深度神经网络，用于联合学习人脸识别和人脸属性预测任务。在 MegaFace dataset，可以达到77.74 %的ra...

格灵深瞳：人脸识别最新进展以及工业级大规模人脸识别实践探讨人脸识别工作流程人脸识别背景：简单来讲，人脸识别这个问题，就是给定两个人脸，然后判定他们是不是同一个人，这是它最原始的定义。它有很多应用场景，比如银行柜台、海关、手机解锁、酒店入住、网吧认证，会查身份证跟你是不是同一个人。这个应用的主要特点是，在大多数场景下都需要你先提供一个证件，然后跟自己的人脸做比对。手机解锁可能是个...

Domain Adaptive（特征层面）继Jason Yosinski在2014年的NIPS上的《How transferable are features in deep neural networks?》探讨了深度神经网络的可迁移性以后，有一大批工作就开始实际地进行深度迁移学习。简要回顾一下Jason工作的重要结论：对于一个深度网络，随着网络层数的加深，网络越来越依赖于特定任务；而浅层...

近红外人脸识别人脸识别是生物特征识别领域中最常用的一种模态，近年来在公共安全领域得到了广泛的应用。各类人脸识别方法的关键都在于，提取人脸数据中与身份相关的本质特征，同时消除其中受非身份因素影响的部分，非身份因素一般包括：环境光照、姿态、表情、饰物等。其中光照问题在实际应用中最为重要，用户普遍要求人脸识别系统能适应不同的光照环境。一般的人脸识别系统都采用普通的可见光人脸图像进行识别，这类系统容易收.

《RGB-D Face Recognition via Deep Complementary and Common Feature Learning》FG 2018，Hao Zhang, Hu Han, Jiyun Cui, Shiguang Shan, Xilin Chen.近年，利用RGB-D数据进行人脸识别的方案已经被广泛采用，然而现有方法多使用相同处理方式处理所有的模态，这没有充分...

《FractalNet: Ultra-Deep Neural Networks without Residuals》2016，Gustav Larsson,Michael Maire,Gregory Shakhnarovich. FractalNet转载：https://www.cnblogs.com/liaohuiqiang/p/9218445.html分形网络：无残差的极深神经网络...

《Identity Mappings in Deep Residual Networks》2016，kaiming He et al，ResNet V2。深度残差网络作为一种极深的网络框架，在精度和收敛等方面都展现出了很好的特性。作者通过对残差块(residual building blocks)背后的计算传播方式进行分析，表明了当跳跃连接(skip connections)以及附加激...

《Densely Connected Convolutional Networks 》2017，Gao Huang et al，DenseNet作者通过观察目前深度网络的一个重要特点就是都加入了shorter connections，能够让网络更深、更准确、更高效。作者充分利用了skip connection，设计了一种稠密卷积神经网络（Dense Convolutional Netw...

《GradientBased Learning Applied to Document Recognition》1989，LeCun et al，LeNet5，主要内容在5~9页。图像处理都是小 patchs ，比如28*28或者36*36之类，考虑如下情形，对于一副1000*1000的图像，即，当隐层也有节点时，那么（第一层链接权值）的数量将达到级别，为了减少参数规模，加快训练速度，C...

人脸识别技术越来越多地应用在了各种身份验证场景，在这种看起来发生在电光火石之间的应用背后，又有哪些不易察觉的技术在做精准判别？算法又是通过何种方式来抵御各种欺诈式攻击？深度学习技术的迅猛发展，使得图像识别、分类跟检测的准确率大幅提高，但真正要做成一套金融级解决方案还不是那么简单的，这张图就展示了一个整体的 FaceID 提供的金融级整体的解决方案。在这个架构图中，我们可以看到，Face...