你好，请问这是用dlib已经训练好的模型进行的吗

[coneypo]

基于 Residual Neural Network / 残差网络的 CNN 模型; This model is a ResNet network with 29 conv layers. It's essentially a version of the ResNet-34 network from the paper Deep Residual Learning for Image Recognition by He, Zhang, Ren, and Sun with a few layers removed and the number of filters per layer reduced by half.

resnet model: https://github.com/coneypo/Dlib_face_recognition_from_camera/blob/master/data/data_dlib/dlib_face_recognition_resnet_model_v1.dat

[hellowack]

您能简单地讲述一下这个模型怎么用的吗，原理是什么，放入自己的一张照片后，是怎么进行识别的，和普通的用数字图像的一些蒜子计算相比，有区别吗？刚接触机器学习，不是很懂

[coneypo]

您能简单地讲述一下这个模型怎么用的吗，原理是什么，放入自己的一张照片后，是怎么进行识别的，和普通的用数字图像的一些蒜子计算相比，有区别吗？刚接触机器学习，不是很懂

ML 都是 训练模型 -> 生成模型 -> 加载模型 -> 进行推算 / inference ; 训练 CNN 模型现在一般都是 TensorFlow 或者 Pytorch（后者目前慢慢更多人使用），训练模型一般是在 server 上进行，需要有高性能的 GPU 来做（可以去 AWS 或者 Azure 去租用训练服务器），生成好的模型（pre-trained model），有一些地方比如 model zoo 去维护，可以下载到别人训练好的模型，模型的 load 你直接加载就好了；

其实对于你如果不搞科研，一般人更加关注的是 Inference 过程，不需要自己去设计网络，然后去训练。。

那些算子比如拉普拉斯算子，Canny 算子是纯 CV 图像处理的过程，区别于 CNN 卷积神经网络，真正做识别检测分割一般都用 NN 来做；一般算子用来做一些预处理比如提取轮廓啥的，再丢给 NN 去做训练或者推算；

关于 Reset-34 怎么进行图像识别的，可以看看这篇 paper: Deep Residual Learning for Image Recognition, Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun https://arxiv.org/pdf/1512.03385.pdf

[hellowack]

好的，谢谢您！

[coneypo]

如果没有其他问题我就关掉这个 issue 哦