顔認識
1、ワンショット学習（学習）：
顔認識は、のみのみサンプルを通じて学習することができ、画像によって行われます。
類似機能：
D（IMG1、IMG2）=画像間の相違度
認識タスク（検証）：
もしD（IMG1、IMG2）≤τ：「同じ」。
他：「違います」
2、シャムネットワーク：
画像は、ニューラルネットワークを介してコード128畳み込み変換、「Xの符号化と呼ぶ（I）、」F（Xと呼ぶ（I） ）。
D（X （1）、X （2））= || F（X （1） ）- F（X （2））|| 2。
3、三重項損失（ロストリプレット）：
（1）背景：
データの各セットは、結果が「正」及び「負」と比較された3枚の画像であります
所望の結果：|| F（A） - F（P）|| 2 ≤|| F（A） - F（N）|| 2 、すなわちD（A、P）≤D （A、N）、
即|| F（A） - F（P）|| 2 - || F（A） - F（N）|| 2 ≤0。
避けF（A）= F（P）= F（N）は、式を向上させる必要があります。
|| F（A） - F（P）|| 2 - || F（A） - F（N）|| 2 +α≤0、
即|| F（A） - F（P）|| 2 +α≤|| F（A） - F（N）|| 2。
ここでαは、間隔（マージン）と呼ばれています。
（2）損失関数：
3つの画像A、P、N所与。
L（A、P、N）=最大{|| F（A） - F（P）|| 2 - || F（A） - F（N）|| 2 +α、0}
=ΣL J（A （I）、P （I）、N （I） iは1からmまで実行）。
10,000千枚の個々の写真のトレーニングセット（一人10の平均値）。
（3）選択トリプル：
ランダムに選択されたトリプレット、D（A、P）+α≤条件は（A、N）~D場合、容易に満たすことができる、トレーニング効果を達成することができない、D（A、P）≈D（A、の選択を満たす必要がありますN）は、トライアド。
4、顔の検証と二分：
Y = 1の場合には、同一人物であると判定され、0のとき、Yは=、同一人物でないと判定されました。
移行のスタイル
1.スタイルの移行（スタイル転送）とは何ですか？
2、コスト関数：
J（G）=α* Jの含有量（C、G）+β* Jのスタイル（S、G）
内容代价函数 Jcontent[l](C,G) = 1/2 * || a[l][C] - a[l][G] ||2
风格损失函数 Jstyle(S,G)：
style matrix风格矩阵，用于计算两个每一对激活项之间的相关系数：
Jstyle(S,G) = ∑ λ[l] * Jstyle[l](S,G)