本文总结了基于facenet的人脸识别实验，包括在VGG_face2数据集上的训练，训练误差在30个epoch内降至0.005以下。测试阶段，算法在LFW数据集上进行，利用lfw_pair.txt文件进行face verification。同时，通过k_fold方法找到了最佳的distance threshold以提升准确性。
1.原理与训练
目前只初步完成算法在VGG_face2数据集上的训练，训练误差在30个epoch之内可以降到0.005以下。
- 算法基于triple loss， 训练的目的是使组内的距离尽可能的小，组间的距离尽可能的大。
- 距离的计算采用squared L2 norm。
- 找出所有的三元组合是一个很大的工作量。所以在实现的过程中，我们在positive中选择一个最不像的，在negative中选择一个最像的（因为这样算出的损失距离是最大的距离，优化这样的损失函数即可，当采用这种方式算出来的值都能达到要求时，其他更小的也能达到要求）
- 而上面的查找只在一个batch中完成，避免遍历整个数据集
最低0.47元/天 解锁文章
3184
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
