FaceNet—深度学习与人脸识别的二次结合

今天我给大家带来一篇来自谷歌的文章，众所周知，谷歌是全世界最有情怀，最讲究技术的公司，比我们天朝的莆田广告商良心多了。还有就是前段时间的最强大脑，莆田广告商的那个小机器，也就忽悠忽悠行外人了，懂的人深深知道。感觉自己就是黑子，当然，最强大脑节目组本身就是演员。

传统的进行人脸识别的模型一般都是这样：

    

 

 

但是现在我们要换个思路了，facenet直接学习图像到欧式空间上的映射，那么如果两张图片在欧式空间的距离很近，是不是说明就是很相似？如果离得远就不相似，也就不是同一个人？

下面的图详细的说明了，具体过程。

你看如果是一个人的照片，他们的距离就会低于这个阀值，此处应该是1.05左右。这个有点类似于LDA的思想了。类内的距离就小，类间的距离就大，其实本质上并没有什么差别。

Facenet的结构如下图：

前面就是一个传统的卷积神经网络，然后在求L₂范数之前进行归一化，就建立了这个嵌入空间，最后的损失函数，就是本文的最大亮点。

Triplet loss三重损失函数：以前我们的损失函数一般都是一个的，或者是两个的。这里弄三个，结构图如下：

我来带大家理解这个结构图。现在我们有一个样本名字叫anchor，还有两个样本名字叫positive,另外一个叫Negative。一开始啊，我们都以为这个三个人是亲兄弟，但是呢Negative一个是隔壁老王的，而且这个人和我们的Anchor关系很好，这不行，这是仇人的孩子，我们得让这两个人远离，于是我们就让神经网络学习，让positive和anchor近一点，让Negative滚蛋。（当然例子可能取的不恰当，还请见谅，哈哈）

课外补充：在高维或者无穷维中，距离的度量没有意义的，因为他们都在一个超球面上，你又如何度量他们的远近呢（这就是为什么不能直接用KNN分类的原因，他在处理高维数据就玩不转了），所以我们才要用深度卷积神经网络进行训练啊，至于其中的原理，神经网络就是一个黑匣子，我不懂啊，鬼知道他是怎么玩的。

记住下面的所有数据都是经过归一化的，没有经过归一化求距离就是胡扯！

，和分别代表三个不同的样本，我们一定想要：

这个是我们前面所说的参数。

那么我们的优化函数就出来了：

优化问题解决：

但是呢，知道这些还不够，为什么呢，一个算法的优劣，还要通过他的时间复杂度来判断，这里一定要确保他的收敛速度。

那么我们怎做呢，其实也很简单，假设给你一个anchor，我们找一个positive就要在这一类中找到一个最难分类的，什么样叫最难分类呢，就是在欧式空间距离最远的那个，但是属于一类，这叫hard_positive,另外找nepositive那就找最近的，这样不就完美解决了么。当然在找nepositive很容易产生局部最优，所以我们要满足：。这叫semi-hard，防止找到他一类里了。

本文的CNN结构：

一种是来自M. D. Zeiler and R. Fergus. Visualizing and understanding convolutional networks. CoRR, abs/1311.2901, 2013. 2, 4, 6。

结构：

另一种来自：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

结构：

结果在LFW上正确率很高，在这里我就不说了。

 

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