FaceNet 论文算法解析

FaceNet

 

摘要

 

本文主要介绍一种叫FaceNet的方法，用于将人脸从图片映射到一个欧式空间中， 可以通过向量的欧式距离来确定人脸相似度。文中方法使用深度卷积网络，训练过程中直接优化embedding，而不是调整bottleneck层。文中使用了triple Loss，选取一个正样本一个负样本一个目标样本。

网络使得识别精度在某些数据集合中能够达到99.6%

文中也介绍了谐波嵌入的概念，谐波triple Loss, 描述不同的网络产生的嵌入向量，这些向量之间相互兼容可以直接比较。

 

当embedding空间完成后，可以根据阈值做人脸验证，可以使用knn做人脸识别，可以使用k-means做聚类。

 

简介

FaceNet 直接训练并产生128维度的嵌入向量，triple 包括匹配对的部分以及非匹配部分，Loss的目的是使用距离margin将积极对和消极对分别开来。

 

模型简述

 

网络结构

 

triple Loss

 

FaceNet有两个核心的结构，第一是风格网络， 第二是inception网络。

将嵌入网络写成f(x)的形式，其中x 是一张图片，将一张图片转化成一个d维度的向量。且满足|| f(x) ||2 = 1。

如果想让anchor 距离positive更近，距离negative更远。需要下面公式

其中a是margin

N是训练集中所有triple组合的数量，Loss就变成下面形式

在数据集中选择出所有的triple组合是比较简单的，但是并不是每一个组合都是有意义的。所以需要选择有利于模型优化的组合，选择方法如下。

 

Triple选择

选择的规则主要满足下面两个条件

但是计算针对数据集合中每个图片计算是一件很困难的事情，

有两种方法可进行Triple选择。

（                  1）没n步骤进行线下选择生成triple组合。使用当前网络计算armin和argmax在数据的子集中。

（2）线上生成triple组合，从小批量数据中选择出hard positive以及hard negative。

文中所使用的方法是，使用mini-batch中计算argmin以及argmax。大概千级别的示例。

为了使得anchor positive distance有意义，需要保证每个mini-batch中有身份一致的最小的量。

在本文试验中，每一个mini-batch中每一个人有40张人脸左右。

文中试验，并没有计算法hardest positive，使用每一对positive pairs. 然后计算hardest negative。

但是选择hardest negative，训练模型容易造成模型塌陷。所以为了避免这类情况发生，需要根据下面公式来选择不匹配图像

 

文中使用的大概每个batch 大小是1800

 

深度卷积网络

 

训练时候margin设的大小是0.2

文中使用两种模型结构，在实验中展示更多的模型开销，对于不同的应用需要不同的模型，比如在数据中心中，需要非常大的模型。但是模型如果想在手机端运行的化，需要更加的轻量级。 文中所有的激活层使用的是relu，

第一类网路

第二类网络

使用的是GooleLeNet 结构inception模型，更加的轻量级.

 

数据和评估

文中主要使用的是四个数据集进行验证，并且使用的是匹配任务进行验证，其中评价标准是真阳率和假阳率

真阳率 = 预测正确正样本/正样本

假阳率 = 预测错误正样本/负样本

 

不同的网络结构的表现。