【论文阅读记录】FaceNet的简单记录

前言：

{

    最近我去了支付宝的开放日活动，似乎看到了人脸支付的未来。我也趁热打铁，借助目前比较流行的模型了解一下人脸识别的相关模型。

    我在谷歌上搜到FaceNet[1]，这是谷歌的一个模型，专门用来识别人脸。

}

 

正文：

{

    论文说的很明白，模型主要分为两部分：特征提取和距离判定。结构如图2。

   其中deep architecture是特征提取部分，并且在本论文中有两种。论文称第一种叫style networks（表1）。不过我更感兴趣第二种（inception），因为我搜到了其在tensorflow上的相关实现[2]。

   在deep architecture之后是L2标准化部分[3]，其产生输入图像在特征空间的特征向量（embedding），

  关于triplet loss（三元组损失），作者没直接尝试其他损失（比如正负样本对的损失，之前看孪生神经网络时我也想过）。图3是triplet loss的示意图，式（3）是triplet loss的表达式。

    式（3）中是锚点（为每个人存储的标准图像）的特征向量，是正样本（和锚点对应同一人）的特征向量，是负样本（和锚点对不同人）的特征向量，α被称为边缘。由此可见，每个batch包含图像的数量为3的整数倍。

}

 

结语：

{

    github上有人从新整理了facenet的代码并加了中文注释[4]，值得参考。

    由于最近特忙，所以这段时间的博客应该都比较精简。

    参考资料：

    {

        [1]https://arxiv.org/pdf/1503.03832.pdf

        [2]https://github.com/davidsandberg/facenet

        [3]https://www.tensorflow.org/api_docs/python/tf/math/l2_normalize

        [4]https://github.com/boyliwensheng/understand_facenet

    }

}