文献阅读 - FaceNet: A Unified Embedding for Face Recognition and Clustering

FaceNet: A Unified Embedding for Face Recognition and Clustering

“Schroff F, Kalenichenko D, Philbin J. FaceNet: A unified embedding for face recognition and clustering[J]. 2015.”

---

摘要

FaceNet：直接学习面部图像到紧致欧氏空间（compact Euclidean space）的映射，其距离用于度量面部的相似度。

1 引言

FaceNet利用基于三元组（triplet-based）最大余量近邻（large margin nearest neighbor，LMNN）的损失函数训练网络，其输出表示为128维紧致向量。

距离为$0$时，表示两张面部图像为同一个人；距离为$4$时，表示两张面部图像不是同一个人。门限$1.1$能够正确区分图中3组面部图像

2 相关工作

3 方法

本文给出一种将图像$x$映射到特征空间（a feature space）${\mathcal{R}}^d$的嵌入（embedding）$f(x)$，该嵌入能够减小同一用户所有面部图像之间平方距离（且与成像条件无关）；并增大任意不同用户面部图像之间的平方距离。

三元组损失（triplet loss）：在任意不同用户面部图像之间引入余量（enforce a margin）

3.1 三元组损失（Triplet Loss）

将图像$x$映射到$d$维欧氏空间（a $d$-dimensional Euclidean space）中的嵌入（embedding）记为$f(x)\in {\mathcal{R}}^d$。些外，将$f(x)$限制在$d$维超球面上，即${\Vert f(x)\Vert }_2=1$

锚点（anchor）：$x_i^a$，给定用户的面部图像
正样本（positive）：$x_i^p$，给定用户的其他面部图像
负样本（negative）：$x_i^n$，其他用户的面部图像

目标：使得给定用户的所有面部图像（锚点、正样本）间距小于该用户任意面部图像（锚点）与其他用户面部图像（负样本）间距。

$${\Vert f(x_i^a)-f(x_i^p)\Vert }_2^2+\alpha <\Vert$$