深度学习之facenet人脸识别网络介绍

1.前言

         照例先来一段废话，不要跟我说什么物质决定意识，也不要告诉我意识超越物质。在我眼中，这个世界本就是一个战场。软弱的意志自然无法战胜物质，但是足够强大的意识也是能够做到的。在战争没有进行完之前，谁也不知道结果是什么样的。包括我们的世界，我不相信它是一种刻意的设计，倒更像是一种不得已而为之。因为历史总是在不断的重复重复，肯定不是某个外在生命在循环播放电视剧。所以世界的主角就是我们，看我们的生命在这里得到了什么。

2.流程 

                  

            上图就是facenet网络进行人脸识别的整体流程，我们看到总流程分为4步，第一步加载数据集、第二步使用主干网络提取特征信息，第三步neck网络进行L2正则化嵌入，第四部计算loss。不断的正向反向传播，我们最终的模型就出来了。有了一个整体的印象，下面我们详细的讲解一些每一个流程；

       1.batch数据预处理

                  我这块只说一下facenet源码中涉及到的预处理，实际应用中需要怎么处理可自行选择。源码中的预处理包括，随机剪切、随机水平翻转、标准归一化、最后对照片进行统一尺寸(默认为160*160)

        2.backbone

                   主干网络使用的是  inception_resnet_v1,这块就是经典的网络结构设计，在此处不展开详细讨论，后续我会专门针对常用的网络结构进行解释，敬请期待。

        3.neck

                     颈部可以说是facenet最关键的部分，也是其发挥作用的关键。此处的原理是使用L2正则项将所有的特征值映射到一个球面上，球面上两个点的距离大小就可以用来表示相似度。如果两张照片是同一个人，则距离小，不同的人则距离大。如下</