Using transform learning to implement face recognition

• choose torchvision.models to pretrain.

  1. ResNet: ResNet 是一個非常流行的深度殘差網絡，具有 18 層、34 層、50 層、101 層等不同版本。ResNet 可以處理較深的網絡，並且在許多圖像分類任務中表現良好。

  2. VGG: VGG 是一個經典的卷積神經網絡，具有較小的濾波器大小 (3x3) 和更深的網絡結構。VGG 簡單易懂，而且在小數據集上表現良好。

  3. DenseNet: DenseNet 是一個密集連接的網絡結構，它允許特徵的高度重用，並且在參數較少的情況下具有較高的準確率。

  4. MobileNet: MobileNet 是一個輕量級的網絡結構，它專注於在資源有限的設備上實現高效的運行速度。

  5. Inception: Inception 系列模型具有多種卷積核大小和不同層次的濾波器，這有助於捕捉不同尺度下的特徵。

  ---

  1. 資料集大小：如果您的資料集很大，您可以考慮使用複雜的模型，例如 ResNet-50 或更深的版本。如果資料集較小，則選擇一個較小的模型，例如 VGG 或 MobileNet，可以更好地避免過擬合。

  2. 任務需求：不同的模型可能對不同的任務有較好的適應性。例如，某些模型在分類任務上效果較好，而某些模型在物體檢測或分割等任務上效果較好。

  3. 計算資源：複雜的模型需要更多的計算資源和記憶體，而較小的模型則需要更少。確保您有足夠的計算資源來支持選擇的模型。

  4. 模型特徵：不同模型可能對於不同尺寸和類型的特徵有著不同的提取能力。請確保選擇的模型能夠適合您的任務特點。

1. freeze: accuracy is low

2. Finetuning

   	Resnet-18	Resnet-34	Resnet-50
   Acc	65.5172%	79.310345%	65.517241%

face_recognition Github

how-to-detect-facial-recognition