深度学习_人脸识别_FaceNet

论文地址

FaceNet解决的问题

虽然传统人脸识别技术发展很快，但是人脸验证和人脸识别在自然条件下应用依然存在很多困难。论文中作者提出了一个新的人脸识别模型：FaceNet。这个模型可以直接向人脸图片映射到欧几里得空间，空间距离的长度代表了人脸图像的相似性。只要映射空间生成，以FaceNet嵌入作为特征向量，那么人脸识别，验证和聚类等任务就可以轻松完成。

FaceNet的创新点

1. FaceNet是一个通用系统，可以用于人脸验证（是否是同一个人？），人脸识别（这个人是谁？）和聚类（寻找类似的人）。

2. FaceNet采用的方法是通过卷积神经网络学习将图像映射到欧几里得空间，比起之前的方法更加简单，只需要对图片进行很少量的处理（只需要裁剪脸部区域，而不需要额外预处理，比如3d对齐等）。并且空间距离直接和图片相似度相关：同一个人的不同图像在空间距离很小，不同人的图像在空间中有较大的距离。

3. 当前存在的基于深度神经网络的人脸识别模型使用了分类层（classification layer）：中间层为人脸图像的向量映射，然后以分类层作为输出层。这类方法的弊端是不直接和效率低。为此论文中提出了三元组损失用于对FaceNet区分正负类。

4. 更好的表现效率：论文实现了当时最先进的人脸识别性能，每个人脸仅使用128维向量。

5. FaceNet在LFW数据集上，准确率为0.9963，在YouTube Faces DB数据集上，准确率为0.9512。

FaceNet的框架流程

FaceNet网络backbone

1. Zeiler&Fergus研究中使用的神经网络。
2. Inception网络。

模型结构的末端使用triplet loss来直接进行分类。

三元组损失（triplet loss）

其中，a为positive/negative的边界。

triplets筛选：

我们选择了大样本的mini-batch（1800样本/batch）来增加每个batch的样本数量。每个mini-batch中，我们对单个个体选择40张人脸图片作为正样本，随机筛选其它人脸图片作为负样本。负样本选择不当也可能导致训练过早进入局部最小。为了避免，我们采用如下公式来帮助筛选负样本：

Facenet训练

采用adagrad优化器，使用随机梯度下降法训练CNN模型。在cpu集群上训练了1000-2000小时。边界值a设定为0.2。

总共实验了两类模型，参数如表1和表2所示。