深度学习（十八）：人脸验证（face verification）和人脸识别（face recognition）

这是一系列深度学习的介绍，本文不会涉及公式推导，主要是一些算法思想的随笔记录。
适用人群：深度学习初学者，转AI的开发人员。
编程语言：Python
参考资料：吴恩达老师的深度学习系列视频
吴恩达老师深度学习笔记整理
深度学习500问
笔记下载：深度学习个人笔记完整版

人脸验证（face verification）和人脸识别（face recognition）

人脸验证问题：如果你有一张输入图片，以及某人的ID或者是名字，这个系统要做的是，验证输入图片是否是这个人。有时候也被称作1对1问题，只需要弄明白这个人是否和他声称的身份相符。

人脸识别问题：是1对多问题，比人脸验证问题难很多，为什么呢？假设你有一个验证系统，准确率是99%，还可以。但是现在，假设在识别系统中，如果你把这个验证系统应用在100个人身上，人脸识别上，你犯错的机会就是100倍了。如果每个人犯错的概率是1%，如果你有一个上百人的数据库，如果你想得到一个可接受的识别误差，你要构造一个验证系统，其准确率为99.9%或者更高，然后才可以在100人的数据库上运行，而保证有很大几率不出错。事实上，如果我们有一个100人的数据库，正确率可能需要远大于99%，才能得到很好的效果。

One-Shot学习（One-shot learning）

人脸识别所面临的一个挑战就是你需要解决一次学习问题，这意味着在大多数人脸识别应用中，你需要通过单单一张图片或者单单一个人脸样例就能去识别这个人。所以在一次学习问题中，只能通过一个样本进行学习，以能够认出同一个人。

有一种办法是，将人的照片放进卷积神经网络中，使用softmax单元来输出4种，或者说5种标签，分别对应这4个人，或者4个都不是，所以softmax里我们会有5种输出。但实际上这样效果并不好，因为如此小的训练集不足以去训练一个稳健的神经网络。而且，假如有新人加入你的团队，你现在将会有5个组员需要识别，所以输出就变成了6种，这时你要重新训练你的神经网络。

所以要让人脸识别能够做到一次学习，为了能有更好的效果，你现在要做的应该是学习Similarity函数。

Siamese 网络（Siamese network）

上面提到函数d的作用就是输入两张人脸，然后告诉你它们的相似度。实现这个功能的一个方式就是用Siamese网络，

建立一个人脸识别系统的方法就是，如果你要比较两个图片的话，例如这里的第一张（编号1）和第二张图片（编号2），你要做的就是把第二张图片喂给有同样参数的同样的神经网络，然后得到一个不同的128维的向量（编号3），这个向量代表或者编码第二个图片，我要把第二张图片的编码叫做f(x(2))。

这些编码很好地代表了这两个图片，你要做的就是定义d.如上图所示，是两者编码之差的范数。对于两个不同的输入，运行相同的卷积神经网络，然后比较它们，这一般叫做Siamese网络架构。

怎么训练这个Siamese神经网络呢？我们需要做的就是学习网络的参数，使输入是同一个人的图像时，两者的差的范数很小，当输入不是同一个人的时候，两者的差的范数很大。

个人的理解，Siamese 网络的作用就类似于NLP中的词嵌入，即如何用向量来表征输入图像。

Triplet 损失

目标函数：Triplet损失，是三元组损失函数。一个基准图像Anchor,一个正类图像Positive,一个负类图像Negative，定义三元组损失函数然后应用梯度下降。


这是一个三元组定义的损失，整个网络的代价函数应该是训练集中这些单个三元组损失的总和。假如你有一个10000个图片的训练集，里面是1000个不同的人的照片，你要做的就是取这10000个图片，然后生成这样的三元组，然后训练你的学习算法，对这种代价函数用梯度下降，这个代价函数就是定义在你数据集里的这样的三元组图片上。

如果你只有每个人一张照片，那么根本没法训练这个系统。当然，训练完这个系统之后，你可以应用到你的一次学习问题上，对于你的人脸识别系统，可能你只有想要识别的某个人的一张照片。但对于训练集，你需要确保有同一个人的多个图片，至少是你训练集里的一部分人，这样就有成对的Anchor和Positive图片了。

如何选择三元组？

如果你从训练集中，随机地选择A、P和N，遵守A和P是同一个人，而A和N是不同的人这一原则。有个问题就是，如果随机的选择它们，那么这个约束条件d(A,P)+a<=d(A,N)很容易达到，因为随机选择的图片，A和N比A和P差别很大的概率很大。所以为了构建一个数据集，你要做的就是尽可能选择难训练的三元组A、P和N。具体而言，d(A,P)+a<=d(A,N)满足的条件下，你的A、P和N的选择使得d(A,P)很接近d(A,N)，即d(A,P)约等于d(A,N)。

人脸识别的思路

1. 构建三元组进行训练，根据Triplet损失训练出最优的Siamese神经网络
2. 将人脸库中的图像经过Siamese神经网络，得到编码后的f(x)值，存入数据库
3. 检测时输入新的人脸图像，得到编码值，与数据库中的值进行比较，小于等于alpha，则匹配成功；否则，匹配失败