人脸验证（LOSS）之Facenet

FaceNet是目前引用量最高的人脸识别方法，没有用Softmax，而是提出了Triple Loss：

以三元组（a, p, n）形式进行优化，不同类特征的L2距离要比同类特征的L2距离大margin m，同时获得类内紧凑和类间分离。FaceNet用200M训练数据，仅128维特征映射，在LFW上达到了99.63%，非常犀利。但代码、模型和训练数据集都没有开源，三元组选择极具技巧性，复现非常困难。

学习渠道：

1. 视频

吴恩达的介绍：https://www.deeplearning.ai/   （需要申请助学金）

或者到网易云课堂观看（免费） 4.3章

https://mooc.study.163.com/learn/2001281004?tid=2001392030#/learn/content?type=detail&id=2001729341&cid=2001724535

1. 博客

孪生神经网络（Siamese neural network）：

http://www.sohu.com/a/214143960_465975

http://blog.csdn.net/stdcoutzyx/article/details/46776415

 

1. 代码

目前开源效果比较好的：Deepface、faceNet等

其中 FaceNet，在LFW(Labeled Faces in the Wild)上达到99.63%准确率(新纪录)

 

https://github.com/davidsandberg/facenet ：github 源码

http://blog.csdn.net/tmosk/article/details/78087122: 博客教程

参考文献：

1. Taigman Y, Yang M, Ranzato M A, et al. Deepface: Closing the gap to human-level performance in face verification[C]//Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE, 2014: 1701-1708.
2. Schroff F, Kalenichenko D, Philbin J. FaceNet: A unified embedding for face recognition and clustering[J]. 2015:815-823.