FaceNet---深度學習與人臉識別的二次結合

今天我給大家帶來一篇來自谷歌的文章，眾所周知，谷歌是全世界最有情懷，最講究技術的公司，比我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。感覺自己就是黑子，當然，最強大腦節目組本身就是演員。

傳統的進行人臉識別的模型一般都是這樣：

但是現在我們要換個思路了，facenet直接學習圖像到歐式空間上的映射，那麼如果兩張圖片在歐式空間的距離很近，是不是說明就是很相似？如果離得遠就不相似，也就不是同一個人？

下面的圖詳細的說明了，具體過程。

你看如果是一個人的照片，他們的距離就會低於這個閥值，此處應該是1.05左右。這個有點類似於LDA的思想了。類內的距離就小，類間的距離就大，其實本質上並沒有什麼差別。

Facenet的結構如下圖：

前面就是一個傳統的卷積神經網路，然後在求L2范數之前進行歸一化，就建立了這個嵌入空間，最後的損失函數，就是本文的最大亮點。

Triplet loss三重損失函數：以前我們的損失函數一般都是一個的，或者是兩個的。這裡弄三個，結構圖如下：

我來帶大家理解這個結構圖。現在我們有一個樣本名字叫anchor，還有兩個樣本名字叫positive,另外一個叫Negative。一開始啊，我們都以為這個三個人是親兄弟，但是呢Negative一個是隔壁老王的，而且這個人和我們的Anchor關係很好，這不行，這是仇人的孩子，我們得讓這兩個人遠離，於是我們就讓神經網路學習，讓positive和anchor近一點，讓Negative滾蛋。（當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，因為他們都在一個超球面上，你又如何度量他們的遠近呢（這就是為什麼不能直接用KNN分類的原因，他在處理高維數據就玩不轉了），所以我們才要用深度卷積神經網路進行訓練啊，至於其中的原理，神經網路就是一個黑匣子，我不懂啊，鬼知道他是怎麼玩的。

記住下面的所有數據都是經過歸一化的，沒有經過歸一化求距離就是胡扯！

，和分別代表三個不同的樣本，我們一定想要：

這個是我們前面所說的參數。

那麼我們的優化函數就出來了：

優化問題解決：

但是呢，知道這些還不夠，為什麼呢，一個演算法的優劣，還要通過他的時間複雜度來判斷，這裡一定要確保他的收斂速度。

那麼我們怎做呢，其實也很簡單，假設給你一個anchor，我們找一個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，但是屬於一類，這叫hard_positive,另外找nepositive那就找最近的，這樣不就完美解決了么。當然在找nepositive很容易產生局部最優，所以我們要滿足：。這叫semi-hard，防止找到他一類里了。

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，在這裡我就不說了。

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