Ng深度学习-卷积神经网络基础-人脸识别与神经风格迁移

人脸识别

首先简单介绍一下人脸验证（face verification）和人脸识别（face recognition）的区别。

• 人脸验证：输入一张人脸图片，验证输出与模板是否为同一人，即一对一问题。

• 人脸识别：输入一张人脸图片，验证输出是否为K个模板中的某一个，即一对多问题。

一般地，人脸识别比人脸验证更难一些。因为假设人脸验证系统的错误率是1%，那么在人脸识别中，输出分别与K个模板都进行比较，则相应的错误率就会增加，约K%。模板个数越多，错误率越大一些。

One Shot Learning

One-shot learning就是说数据库中每个人的训练样本只包含一张照片，然后训练一个CNN模型来进行人脸识别。若数据库有K个人，则CNN模型输出softmax层就是K维的。

但是One-shot learning的性能并不好，其包含了两个缺点：

• 每个人只有一张图片，训练样本少，构建的CNN网络不够健壮。

• 若数据库增加另一个人，输出层softmax的维度就要发生变化，相当于要重新构建CNN网络，使模型计算量大大增加，不够灵活。

为了解决One-shot learning的问题，我们先来介绍相似函数（similarity function）。相似函数表示两张图片的相似程度，用d(img1,img2)来表示。若d(img1,img2)较小，则表示两张图片相似；若d(img1,img2)较大，则表示两张图片不是同一个人。相似函数可以在人脸验证中使用：

• d(img1,img2)≤τ : 一样

• d(img1,img2)>τ : 不一样

对于人脸识别问题，则只需计算测试图片与数据库中K个目标的相似函数，取其中d(img1,img2)最小的目标为匹配对象。若所有的d(img1,img2)都很大，则表示数据库没有这个人。

Siamese Network

若一张图片经过一般的CNN网络（包括CONV层、POOL层、FC层），最终得到全连接层FC，该FC层可以看成是原始图片的编码encoding，表征了原始图片的关键特征。这个网络结构我们称之为Siamese network。也就是说每张图片经过Siamese network后，由FC层每个神经元来表征。

建立Siamese network后，两张图片x(1)和x(2)的相似度函数可由各自FC层f(x(1))与f(x(2))之差的范数来表示：
$d(x^{(1)},x^{(2)})=||f(x^{(1)})-f(x^{(2)})|{|}_2^2$
值得一提的是，不同图片的CNN网络所有结构和参数都是一样的。我们的目标就是利用梯度下降算法，不断调整网络参数，使得属于同一人的图片之间d(x(1),x(2))很小，而不同人的图片之间d(x(1),x(2))很大。

• 若x(i)，x(j)是同一个人，则||f(x(1))−f(x(2))||2较小

• 若x(i)，x(j)不是同一个人，则||f(x(1))−f(x(2))||2较大

Triplet Loss

构建人脸识别的CNN模型，需要定义合适的损失函数，这里我们将引入Triplet Loss。

Triplet Loss需要每个样本包含三张图片：靶目标（Anchor）、正例（Positive）、反例（Negative），这就是triplet名称的由来。顾名思义，靶目标和正例是同一人，靶目标和反例不是同一人。Anchor和Positive组成一类样本，Anchor和Negative组成另外一类样本。

我们希望上一小节构建的CNN网络输出编码f(A)接近f(D)，即||f(A)−f(D)||2尽可能小，而||f(A)−f(N)||2尽可能大，数学上满足：

$$||f(A)-f(P)||2\le ||f(A)-F(N)||2$$
$$||f(A)-f(P)||2-||f(A)-F(N)||2\le 0$$
根据上面的不等式，如果所有的图片都是零向量，即f(A)=0,f§=0,f(N)=0，那么上述不等式也满足。但是这对我们进行人脸识别没有任何作用，是不希望看到的。我们希望得到||f(A)−f§||2远小于||f(A)−F(N)||2。所以，我们添加一个超参数α，且α>0，对上述不等式做出如下修改：

$$||f(A)-f(P)||2-||f(A)-F(N)||2\le -\alpha$$
$$||f(A)-f(P)||2-||f(A)-F(N)||2+\alpha \le 0$$
顺便提一下，这里的α也被称为边界margin，类似与支持向量机中的margin。举个例子，若d(A,P)=0.5，α=0.2，则$d(A,N)\ge 0.7$。

接下来，我们根据A，P，N三张图片，就可以定义Loss function为：

$$L(A,P,N)$$