吴恩达深度学习笔记（四）week4人脸识别

人脸检测和人脸识别

一次学习（one shot learning）

这种情况一般是学习一个相似函数来比对两张图片的相似性，如下图所示 ，比较两张图片的区别，区别越大则输出越大，当输出小于某个阈值时可认为是同一个人。

siamese网络

siamese网络就是要使若输入图片是同一个人的话，范数差的平方要尽可能的小，不是同一个人时，尽可能的大。

三元组损失（Triplet loss）

为了实现上面的Siamese网络，定义如下三元组损失函数，其中$\alpha$是间距（类似支持向量机），当绿框中的函数值小于0时则误差为0，大于0时则为该值。 $A$代表目标对象，$P$代表与目标对象是同一个人， N N <script type="math/tex" id="MathJax-Element-6">N</script>代表与目标对象不是同一个人。

实际上绿框中的公式小于0是很容易满足的，所以选取三元组时应尽量使图片相似。

面部特征与二分类

如下图所示，可以在网络最后一层加一层逻辑回归，使人脸检测转化为二分类问题，实际中可以将员工的特征编码存储起来，不必每次都重新计算。

神经风格迁移

深度卷积网络在学什么