手把手教你做人脸搜索系统

人脸识别原理简要说明

要进行人脸识别，要经过这么几个过程：人脸检测—人脸对齐—提取特征编码—编码比对。

• 人脸检测：就是定位一张图片中人脸的位置。

• 人脸对齐：就是根据人脸中五个特征点位置（两个眼睛、两个嘴角、鼻子）将人脸缩放到一定的尺寸。

• 提取特征编码：通过训练一个人脸识别模型来提取人脸特征编码。

• 编码比对：将某个人脸的编码与编码库中的编码进行对比，得出距离或相似度。

本文中人脸检测、人脸对齐使用基于 TensorFlow 的 MTCNN 模型，生成特征编码使用基于 MXNet 的 InsightFace 模型。

MTCNN 论文地址：

https://arxiv.org/ftp/arxiv/papers/1604/1604.02878.pdf

InsightFace 论文地址：

https://arxiv.org/abs/1801.07698

下面我介绍下 InsightFace 的主要算法：

它首先是使用一个 ResNet100 卷积网络，然后在接一个全连接层，使用一种基于 Softmax 进行改进的作者称之为 ArcFace 的损失函数进行训练。

由于 ArcFace 是基于之前其他论文提到的算法进行优化的，所以要讲清楚 ArcFace ，就必须要先讲清楚 Softmax、L-Softmax、SphereFace。

1.1 Softmax

损失函数：

N 就是训练样本数，比如你有 100 万张人脸图片要训练，这 100 万张人脸图片归属于 10000 个人，也就是平均一个人有 100 张图片，那么分类 j 就是 1-10000 ， N 就等于 100 万，  i 就是在遍历这 100 万张图片。先说下 log 分子的符号，  就是第 i 张图片对应的分类。log 分母的符号与分子含义相同，只不过分子是第 i 张图片所属分类的概率值，而分母是所有分类的概率值的汇总。

 就可以理解为全连接层的输出，也就是：

上面这个式子就是 W 和 x 的内积，因此可以写成下面这样：