1:首先定义两个数据集,一个大的数据集一个小的数据集。大的数据集用作训练小的数据集用作测试,大的数据集(Big_set)和小的数据集(Small_set)之间没有重合的人物。
2:大的数据集(Big_set)有特别多张照片(比如1 Million),每张图片会给其对应的标签信息,用于训练网络,训练网络可以使用contrastive loss, triplet loss,softmax loss 等等,根据标签信息训练出来的网络的作用用于给定一张图片可以得到他对应的embedding特征向量(用于距离度量)。
3:小的数据集(Small_set),给定一对对图片,这些图片对,有的是同一个人的,有些是不同人的,以图像对的形式输入网络中,得到特征向量对,对这些特征向量对做距离判别,过设定阈值来判断这些标签对是否数以同一个人。根据原始信息来统计判断是否正确计算准确度。