出处:CVPR 2015
论文:https://arxiv.org/abs/1503.03832
代码:https://github.com/davidsandberg/facenet
摘要:
在本文中,提出了FaceNet,它直接学习从 face images 到 compact Euclidean 欧几里德空间的映射,其中距离直接对应于人脸相似度。一旦生成了这个空间,使用FaceNet嵌入作为特征向量的标准技术可以轻松实现人脸识别,验证和聚类等任务。
该方法使用深度卷积网络直接得到embedding,没有用传统的bottleneck层。为了训练,使用 novel online triplet mining 方法生成的 roughly aligned matching / non-matching人脸图像的三元组。还介绍了 harmonic embeddings 和 harmonic triplet loss 的概念,它描述了不同版本的面嵌入(由不同的网络产生),它们彼此兼容并允许彼此之间的直接比较。
1. 介绍
verification:is this the same person (thresholding)
recognition: who is this person (K-NN classification)
clustering : find common people among these faces (k-means or agglomerative clustering)
本文直接使用 squared L2 距离来判断脸部的similarity。
下图展示的是人脸验证,得到2张人脸的相似度,小于阈值1.1即判定为同一个人。