论文笔记 | FaceNet: A Unified Embedding for Face Recognition and Clustering

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。