動手實踐利用yolo v2 實現端到端的人臉識別

利用的神經網路的人臉識別，一般的處理流程順序是人臉檢測->人臉對齊->cnn抽取特徵->分類器（如svm）處理->結果。人臉檢測、人臉對齊屬於預處理階段，目的是提取中人臉的畫素區域，然後送入cnn；cnn將處理成特徵向量，最後輸送給分類器進行訓練或者識別。具體可以參考

以上的人臉識別的過程，涉及到dlib人臉對齊、cnn卷積神經網路、sklearn的線性分類器等，如果是在pc機上，很容易安裝相應的庫來實現。但是如果要將人臉識別的過程在嵌入式板子上實現，就會發現以上過程繁瑣，移植困難。

yolo是乙個端到端、實時的、物體識別的神經網路，不僅可以檢測物品類別，而且可以回歸出物體位置（bounding box）。本例中正是利用yolo的這些特點，去掉預處理和後處理階段，只需cnn神經網路，實現了端到端的人臉識別。