雙胞胎有同卵雙生或異卵雙生，孿生網路當然也要有

今天開始我們將談談如何讓網路去學習辨識不同的人臉，Let's Go!

本文開始

使用孿生網路 (siamense networks)來做人臉辨識只是一種概念，

它代表的是由神經網路去學習如何去辨別兩張圖片是否是同一人

從孿生網路延伸有很多不同的概念：

• siamense networks：由兩個一模一樣的網路構成，主要目的為辨別同類型的兩個輸入是否相同 (同卵雙生)
• pseudo-simense networks：由兩個一樣網路架構、但不共享權重構成，主要目的為辨別不同類型的輸入是否指同一件東西 (異卵雙生)
• triplet networks：就是三個網路架構，為了讓辨識結果更準確，通常使用了兩個類似的輸入 + 一個完全不同的輸入來做訓練 (三胞胎)

了解概念後，

真正要讓一個方法變成手上的工具，

還是要動手做。

接下來將依序介紹：

用任意的CNN網路直接比對不同照片做人臉辨識

在這篇文章中將簡單介紹CNN網路，以及如何在CNN網路上套用孿生網路架構，來實作人臉辨識。

Dlib + OpenCV大好！人臉辨識超Easy

這不是廣告文，但現在要做人臉辨識只要用我們到目前為止已安裝的兩個主要套件：Dlib + OpenCV就可以輕鬆達成。

How? 請看這篇

想要做即時人臉辨識應用？只要OpenCV就可以一次滿足

之前在提到使用Dlib MMOD方法做人臉偵測時有說到，在使用Dlib內的神經網路模型通常都會需要用到GPU資源才有辦法做到即時運算。那想要做即時的人臉辨識卻沒有太好的硬體資源怎麼辦？

這篇會告訴你怎麼只用OpenCV就完成這個功能！

這篇算是一個使用孿生網路做人臉辨識相關內容的引言，接下來你可以

• 直接從上面有興趣的主題進入相關系列觀看
• 隨意瀏覽，直接進入下一篇