背景
概况
- 论文提出了名为FaceNet的框架，该框架学习的是从脸图到欧式距离的映射，这样就可以同图片之间的距离来衡量相似度。相比之前直接用softmax更加高效。
- 端到端，框架的输出是一个多维度的embedding向量。
- 损失函数采用的是三联子损失(triplet loss)
- 文章采用的deepCNN的结构为：1）Zeiler&Fergus加上额外的1x1xN的卷积层,2）inception model
- 该算法在LFW数据集上实现了99.63%的精确度，在YouTube脸库数据集上实现了95.12%的精确度，准确度比以往算法提升了30%
方法
模型结构
triplet损失函数(三联子)
- triplet选择
- 计算argmax和argmin
- 方案一：每n步产生triplets，使用数据的子集计算argmax, argmin;方案二(论文中采取的方案)：在线生成triplets, 在mini-batch中计算argmax和argmin，论文中一个mini-batch每个人选了40张脸图，并且额外增加了随机的负样本脸图
- 选择hardest的负样本在实际中会导致训练时候在早起就陷入局部最优，所以论文中采用semi-hard的策略
- 评估标准
- true accept
- false accept
- validation rate && false accept rate
## 实验结果
- 不同模型对比
- 不同图片质量对比
- 不同embedding维度对比
- 不同训练集数量对比
