人脸识别算法FaceNet论文解读

版权声明：本文为CSDN博主「张雨石」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/stdcoutzyx/article/details/46687471

参考文章：https://www.cnblogs.com/lijie-blog/p/10168073.html

参考文章：https://blog.csdn.net/Fire_Light_/article/details/79592804

论文名称：FaceNet: A Unified Embedding for Face Recognition and Clustering

论文地址：https://arxiv.org/pdf/1503.03832.pdf

1、FaceNet

与其他的深度学习方法在人脸上的应用不同，FaceNet并没有用传统的softmax的方式去进行分类学习，然后抽取其中某一层作为特征，而是直接进行端对端学习一个从图像到欧式空间的编码方法，然后基于这个编码再做人脸识别、人脸验证和人脸聚类等。去掉了最后的softmax，而是用元组计算距离的方式来进行模型的训练。元组的选择非常重要，选的好可以很快的收敛。

2、网络结构

这篇文章中，最大的创新点应该是提出不同的损失函数triplet，直接是优化特征本身，用特征空间上的点的距离来表示两张图像是否是同一类。网络结构如下：

上图是文章中所采用的网络结构，上图步骤可以描述为：

　　1.前面部分采用一个CNN结构提取特征，

　　2.CNN之后接一个特征归一化（使其特征的||f(x)||2=1,这样子，所有图像的特征都会被映射到一个超球面上)，

　　3.再接入一个embedding层(嵌入函数)，嵌入过程可以表达为一个函数，即把图像x通过函数f映射到d维欧式空间。

　　4.此外，作者对嵌入函数f(x)的值，即值阈，做了限制。使得x的映射f(x)在一个超球面上。

　　5.接着，再去优化这些特征，而文章这里提出了一个新的损失函数，triplet损失函数(优化函数），而这也是文章最大的特点所在。

3、目标函数

所谓的三元组就是三个样例，如(anchor, pos, neg)，其中，x和p是同一类，x和n是不同类。那么学习的过程就是学到一种表示，对于尽可能多的三元组，使得anchor和pos的距离，小于anchor和neg的距离。即：

所以，变换一下，得到目标函数：

目标函数的含义就是对于不满足条件的三元组，进行优化；对于满足条件的三元组，就pass先不管。

4、三元组的选择

很少的数据就可以产生很多的三元组，如果三元组选的不得法，那么模型要很久很久才能收敛。因而，三元组的选择特别重要。

因此需要采取两种显而易见的方法避免这个问题：

（1）离线更新三元组(每隔n步)。采用最近的网络模型的检测点并计算数据集的子集的argmin和argmax(局部最优)。

（2）在线更新三元组。在mini-batch上选择不好的正(类内)/负(类间)训练模型。(一个mini-batch可以训练出一个子模型)

本文中采用上述第二种方法。本文中，采用以下方法：

（1）使用大量 mini-batch，从而得到几千个不好的训练模型。

（2）计算mini-batch上的argmin和argmax。

总结：以上所有过程博主概括为：为了快速收敛模型-->需要找到训练的不好的mini-batch上的差模型(负样本)-->从而找到不满足约束条件/使损失增大的三元组。

在本文中，训练集的每个mini-batch包含:

1. 每个身份的40个人脸

2. 随机放一些负样本人脸

5、网络模型

文中尝试了两个CNN结构，其参数如下：

网络1：Zeiler&Fergus architecture

网络2： GoogLeNet

人脸识别算法FaceNet论文解读相关推荐

人脸识别：FaceNet论文详解
引入随着深度学习的出现,CV领域突破很多,甚至掀起了一股CV界的创业浪潮,当次风口浪尖之时,Google岂能缺席.特贡献出FaceNet再次刷新LFW上人脸验证的效果记录. 本文是阅读FaceNet ...
人脸识别算法实验：facenet人脸识别率测试
前言本文记录对人脸识别算法facenet在亚洲人脸数据集上准确率的详细测试结果. 2020-4-7 日更新每个人三张底片 2020-4-2 日更新每个人一张图片作为数据和两张图片作为数据. 数据集 ...
【华为云技术分享】人脸识别算法的训练之路（下）
人脸识别算法的训练之路(上) 人脸识别人脸识别问题本质是一个分类问题,即每一个人作为一类进行分类检测,但实际应用过程中会出现很多问题.第一,人脸类别很多,如果要识别一个城镇的所有人,那么分类类别就将 ...
基于深度学习的人脸识别算法
基于深度学习的人脸识别算法简介 Contrastive Loss Triplet Loss Center Loss A-Softmax Loss 参考文献: 简介我们经常能从电影中看到各种神奇的人 ...
新思路！商汤开源利用无标注数据大幅提高精度的人脸识别算法
出处"来自微信公众号:我爱计算机视觉" 新思路!商汤开源利用无标注数据大幅提高精度的人脸识别算法这篇论文解决的问题与现实中的人脸识别应用场景密切相关,其假设已经有了少量已经标注的 ...
3d人脸识别算法opencv_热招职位算法类
1.资深算法工程师leader-AI平台地点:深圳工作职责 1.推进机器学习及计算机视觉领域的核心算法: 2.构建机器学习及计算机视觉领域的关键应用: 3.将算法于实际应用场景相结合,构建算法和应 ...
人脸识别（Facenet）
人脸识别是目前应用非常广泛的一种生物识别技术,与其他生物识别技术(指纹识别,掌形识别,眼虹膜识别和声音识别)相比,人脸识别具有以下优势: 其他每种生物识别方法都需要一些人的配合动作,而人脸识别不需要被 ...
深度篇——人脸识别(一) ArcFace 论文翻译
返回主目录返回人脸识别目录下一章:深度篇--人脸识别(二) 人脸识别代码 insight_face_pro 项目讲解目录内容: 深度篇--人脸识别(一) ArcFace 论文翻译深度篇- ...
有了它，你的照片能“屏蔽”人脸识别算法
[导语]:一款保护个人照片隐私的 AI 工具. 简介如今强大的面部识别系统的激增对个人隐私构成了真正的威胁.人人都可以在互联网上搜索数据,可以在个体不知情的情况下训练出高度精确的人脸识别模型.我们需 ...

人脸识别算法FaceNet论文解读

人脸识别算法FaceNet论文解读相关推荐

最新文章

热门文章