吴恩达《深度学习-卷积神经网络》4--特殊应用人脸识别和神经风格转换

1. What is face recognition什么是人脸识别

• 活体检测（liveness detection）:确认是否为一个活人，区别于照片。
• 人脸验证（face verification）：提供一个人的照片以及名字或ID，验证这个人的照片和名字是否对应。为1：1问题；
• 人脸识别（face recognition）：有一个含有k个人信息的数据库，输入一个人的照片，确认他是不是数据库中的一个。为1：k问题。

一般在人脸验证的基础上进行人脸识别，所以人脸验证的准确率对人脸识别至关重要，后面就重点讲人脸验证。

2. One Shot Learning

在人脸识别中，要求只输入一张图片就能识别出这个人是谁，而在深度学习在只有一个样例的时候表现并不好，也就是你只有所有员工的单张照片，而期望训练模型，能够很好的识别任何一个人，如果来了新员工怎么办？重新训练模型么？
答案就是one shot learning！

相似函数（similarity function）

相似函数表示两张图片的相似程度，用d(img1,img2)来表示。若d(img1,img2)较小，则表示两张图片相似；若d(img1,img2)较大，则表示两张图片不是同一个人。

如图，若要判断一个人是不是数据库里的，那么就用这个人的照片和数据库里面的照片一一计算相似函数，若相似函数都比较大则表示不是数据库里的人。如果新来一个员工，那么往数据路里面添加一张照片就可以了。

3. Siamese Network

用于实现相似函数计算的网络
主要思想是用卷积神经网络CNN计算图片的特征，利用特征计算相似函数，具体做法如下：

即CNN计算到全连接层之后不进行softmax分类，而是利用全连接层的数据作为该图像的编码（encoding），用于计算和其他图像的相似函数。

4. Triplet Loss三元损失函数

如何获得质量较好的图片的编码呢?
方法之一就是定义一个三元损失函数，然后应用梯度下降。
Triplet Loss需要每个样本包含三张图片：目标（Anchor）、正例（Positive）、反例（Negative），这就是triplet名称的由来，后面简称为A、P，N。

如图A和P是同一个目标，其相差应该较小，A和N相差应该较大，即：

$$||f(A)-f(P)||^2 <= ||f(A)-f(N)||^2$$
$$||f(A)-f(P)||^2 - ||f(A)-f(N)||^2<=0$$
但是若所有输出都是0，也满足上式，而这对我们来说确实一个不能接受的结果，所以为了避免这一情况，添加一个margin间隔 $\alpha$，它的含义类似于SVM里面的间隔，也就是说目标和正样本之差要比目标和负样本之差至少小 $\alpha$，通常 α=