熊猫可用人脸识别？大熊猫迎来高光时刻，终于可以认清我了(3)

第二步呢，对模型的训练本研究使用的识别网络是VGGNet，它是一种卷积神经网络。
VGGNet由5个卷积模块，3个全连接层和一个软-max连接层组成。
此次数据集有65000张大熊猫面部图像，平均每只4300张。将其中39000张照片作为训练集，19500张用来验证，以及6500张照片作为模型的校准。
对于模型训练，他们使用了Tensorflow工具箱，利用GPU NVIDIA Quadro P5000（16GB）进行训练。
为了加快识别网络的收敛速度，解决深度网络的不稳定梯度问题，他们采用了Xavier初始化方法。初始批量大小设置为128，学习率设置为0.001。
最后，在25万次迭代之后停止训练。

接着，我们来到了最后一步，就是模型验证。除了已有的19500张验证集之外，他们还从中国大熊猫保护研究中心（CCRCGP）卧龙基地收集的10个个体的3000张图像用来验证模型识别未知个体的能力。
最终，这项实验达到了95%的识别一般个体的准确率。

为何要搞熊猫脸识别？这也改变了之前识别和监测大熊猫的传统方法。
比如：
1、 基于经验的人工视觉识别
其实就是靠你的脚力，眼力以及各大感觉支撑。这对于一般人比如我来说，仅仅是眼力就是不可能实现滴。
而对于专业的研究人员来说，这样的方法简单，效果也好，但若是长期研究或者研究个体数量多的大熊猫种群，这项工作就显得庞杂了。
你想，熊猫越多，你要记住每个熊猫的特征也就越多，错误率也就会越高。
这实在是太难了，太难了。