深度學習_人臉識別_FaceNet

論文地址

FaceNet解決的問題

雖然傳統人臉識別技術發展很快，但是人臉驗證和人臉識別在自然條件下應用依然存在很多困難。論文中作者提出了一個新的人臉識別模型：FaceNet。這個模型可以直接向人臉圖片映射到歐幾里得空間，空間距離的長度代表了人臉圖像的相似性。只要映射空間生成，以FaceNet嵌入作爲特徵向量，那麼人臉識別，驗證和聚類等任務就可以輕鬆完成。

FaceNet的創新點

1. FaceNet是一個通用系統，可以用於人臉驗證（是否是同一個人？），人臉識別（這個人是誰？）和聚類（尋找類似的人）。

2. FaceNet採用的方法是通過卷積神經網絡學習將圖像映射到歐幾里得空間，比起之前的方法更加簡單，只需要對圖片進行很少量的處理（只需要裁剪臉部區域，而不需要額外預處理，比如3d對齊等）。並且空間距離直接和圖片相似度相關：同一個人的不同圖像在空間距離很小，不同人的圖像在空間中有較大的距離。

3. 當前存在的基於深度神經網絡的人臉識別模型使用了分類層（classification layer）：中間層爲人臉圖像的向量映射，然後以分類層作爲輸出層。這類方法的弊端是不直接和效率低。爲此論文中提出了三元組損失用於對FaceNet區分正負類。

4. 更好的表現效率：論文實現了當時最先進的人臉識別性能，每個人臉僅使用128維向量。

5. FaceNet在LFW數據集上，準確率爲0.9963，在YouTube Faces DB數據集上，準確率爲0.9512。

FaceNet的框架流程

FaceNet網絡backbone

1. Zeiler&Fergus研究中使用的神經網絡。
2. Inception網絡。

模型結構的末端使用triplet loss來直接進行分類。

三元組損失（triplet loss）

其中，a爲positive/negative的邊界。

triplets篩選：

我們選擇了大樣本的mini-batch（1800樣本/batch）來增加每個batch的樣本數量。每個mini-batch中，我們對單個個體選擇40張人臉圖片作爲正樣本，隨機篩選其它人臉圖片作爲負樣本。負樣本選擇不當也可能導致訓練過早進入局部最小。爲了避免，我們採用如下公式來幫助篩選負樣本：

Facenet訓練

採用adagrad優化器，使用隨機梯度下降法訓練CNN模型。在cpu集羣上訓練了1000-2000小時。邊界值a設定爲0.2。

總共實驗了兩類模型，參數如表1和表2所示。