【论文学习】人脸识别——FaceNet：超级经典的paper（triplet loss）

又是超级经典的一篇人脸识别paper，提供了一种端到端的处理，提出了新颖的loss function，好文值得多读！

FaceNet这篇paper是2015年的论文，实验效果非常好，在LFW中达到了99.63%的精度。

实现了利用端到端的网络学习在欧式距离空间的128维人脸特征向量。并提出了triplet loss，通过loss函数直接学习embedding feature，并且优化feature的分布。

基本框架

先看FaceNet的基本框架，如下图所示。

Pipeline：先通过一个比较大batch_size输入人脸图像数据x，通过深度CNN之后就会得到一个feature map，再对其做L2归一化之后就可以得到对这张人脸的表示embedding，然后用triplet loss(anchor, positive, negative)方法对这整个模型进行端到端的训练。

文章是直接通过网络生成feature，并且希望feature是距离线性空间，距离近则为人脸的ID接近。

Triplet loss

paper中提出的triplet loss十分值得学习，先看什么是triplet loss：

Triplet loss的核心思想就是使类间距离增大，类内距离缩小。看公式

上标为a表示anchor，p表示与anchor属于同一类的正例，n表示与anchor不属于同一类的负例。

Triplet selection

事实上，选样本时，选择hard negative 和hard positive是更有利的。文章中提出来两种方式，作者使用了后一种。

（1）离线：每训练n个step，计算得到hard negative 和hard positive

（2）在线：从每个mini batch中选取hard negative 和hard positive

网络结构

（1）Zeiler&Fergus model (NN1)

（2）Inception model (NN2)

实验结果