FaceNet---深度學習與人臉識別的二次結合

今天我給你們帶來一篇來自谷歌的文章，衆所周知，谷歌是全世界最有情懷，最講究技術的公司，比咱們天朝的莆田廣告商良心多了。還有就是前段時間的最強大腦，莆田廣告商的那個小機器，也就忽悠忽悠行外人了，懂的人深深知道。感受本身就是黑子，固然，最強大腦節目組自己就是演員。

傳統的進行人臉識別的模型通常都是這樣：

    

 

 

可是如今咱們要換個思路了，facenet直接學習圖像到歐式空間上的映射，那麼若是兩張圖片在歐式空間的距離很近，是否是說明就是很類似？若是離得遠就不類似，也就不是同一我的？

下面的圖詳細的說明了，具體過程。

你看若是是一我的的照片，他們的距離就會低於這個閥值，此處應該是1.05左右。這個有點相似於LDA的思想了。類內的距離就小，類間的距離就大，其實本質上並無什麼差異。

Facenet的結構以下圖：

前面就是一個傳統的卷積神經網絡，而後在求L₂範數以前進行歸一化，就創建了這個嵌入空間，最後的損失函數，就是本文的最大亮點。

Triplet loss三重損失函數：之前咱們的損失函數通常都是一個的，或者是兩個的。這裏弄三個，結構圖以下：

我來帶你們理解這個結構圖。如今咱們有一個樣本名字叫anchor，還有兩個樣本名字叫positive,另一個叫Negative。一開始啊，咱們都覺得這個三我的是親兄弟，可是呢Negative一個是隔壁老王的，並且這我的和咱們的Anchor關係很好，這不行，這是仇人的孩子，咱們得讓這兩我的遠離，因而咱們就讓神經網絡學習，讓positive和anchor近一點，讓Negative滾蛋。（固然例子可能取的不恰當，還請見諒，哈哈）

課外補充：在高維或者無窮維中，距離的度量沒有意義的，由於他們都在一個超球面上，你又如何度量他們的遠近呢（這就是爲何不能直接用KNN分類的緣由，他在處理高維數據就玩不轉了），因此咱們纔要用深度卷積神經網絡進行訓練啊，至於其中的原理，神經網絡就是一個黑匣子，我不懂啊，鬼知道他是怎麼玩的。

記住下面的全部數據都是通過歸一化的，沒有通過歸一化求距離就是胡扯！

，和分別表明三個不一樣的樣本，咱們必定想要：

這個是咱們前面所說的參數。

那麼咱們的優化函數就出來了：

優化問題解決：

可是呢，知道這些還不夠，爲何呢，一個算法的優劣，還要經過他的時間複雜度來判斷，這裏必定要確保他的收斂速度。

那麼咱們怎作呢，其實也很簡單，假設給你一個anchor，咱們找一個positive就要在這一類中找到一個最難分類的，什麼樣叫最難分類呢，就是在歐式空間距離最遠的那個，可是屬於一類，這叫hard_positive,另外找nepositive那就找最近的，這樣不就完美解決了麼。固然在找nepositive很容易產生局部最優，因此咱們要知足：。這叫semi-hard，防止找到他一類裏了。

本文的CNN結構：

一種是來自M. D. Zeiler and R. Fergus. Visualizing and understanding convolutional networks. CoRR, abs/1311.2901, 2013. 2, 4, 6。

結構：

另外一種來自：C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed,D. Anguelov, D. Erhan, V. Vanhoucke,and A. Rabinovich.Going deeper with convolutions. CoRR, abs/1409.4842,2014. 2, 4, 5, 6, 9

結構：

結果在LFW上正確率很高，在這裏我就不說了。

 

論文：FaceNet: A Unified Embedding for Face Recognition and Clustering