人脸识别之度量学习

人脸识别的研究集中在三个方面：数据集、度量学习、基础网络结构，本文主要介绍其中的度量学习。

由于人脸识别存在测试集（open dataset）的类别不在训练集中的问题，使得较新的人脸识别方法的核心在于度量学习（loss的定义），使得未知类的特征之间可以较好地分开。

这个度量学习其实就是修改softmax的定义。到目前为止主要有以下几种loss：

0、contrastive loss (DeepID2)

1、center loss
在softmax的基础上加入关于feature vector的L2度量，使得类内高度聚合。

2、triplet loss (FaceNet)

上式中d(a,p)是anchor样本和正(positive)样本之间的欧式距离，d(a,n)是anchor样本和负(negative)样本之间的距离。当d(a,n)-d(a,p)>margin时，loss为0；否则loss大于0。