正文
本文由 「
AI前线
」原创，原文链接：
使用Siamese神经网络进行人脸识别
作者｜Firdaouss Doukkali
译者｜孙浩
编辑｜Emily
AI 前线导读：”
本文通过人脸识别的例子，介绍了一次性学习 (One-shot learning)，特别是其中的 Siamese 神经网络。我将与大家分享我从 deeplearning.ai 上一篇论文 FaceNet《人脸识别和聚类的统一嵌入》上学到的知识。如果你对它很感兴趣的话，以此，你可以节省更多的时间深入研究这个话题。”
一次性学习
为了理解为什么我们有一次性学习的原因，我们需要讨论下深度学习和数据。通常，在深度学习中，我们需要大量的数据，而我们拥有的数据越多，结果就越好。可是，假如可以用仅仅很少的数据学习就更方便了，因为我们并不是所有人都有丰富的数据。
另一方面，为了识别物体，大脑并不需要见过成千上万相同物体的图片。这里我们不讨论与大脑的类比，因为它太复杂，太强大，很多事情都涉及到我们学习和记忆的过程，比如感觉、先验知识和互动等等。
本文的思路是，我们只从很少的几个数据中学习对象类，这就是一次性学习算法的原理。
人脸识别
在这个人脸识别系统中，我们只想通过向系统提供一张人脸的照片便可识别一个人的身份。而且，如果它不能识别图片，那就意味着这个人的图像没有存储在系统的数据库中。
为了解决这个问题，我们不能只使用卷积神经网络，有两个原因:1)CNN 并不在一个小的训练集上工作 ;2) 我们每次向系统添加一个新人的图片时，不方便对模型进行再训练。然而，我们可以使用 Siamese 神经网络来进行人脸识别。
Siamese 神经网络
Siamese 神经网络有一个目标，就是找出两个相似的东西有多相似 (例如，签名验证、人脸识别等)。这个网络有两个相同的子网络，它们都具有相同的参数和权重。
图片来自 C4W4L03 Siamese Network.Andrew Ng 创建
上面的图片是来自 deeplearning.ai 的一个例子，它很好地使用 Siamese 神经网络体系结构进行了人脸识别。正如您所看到的，第一个子网络的输入是一个图像，然后是一系列的卷积、池化、全连接层，最后是一个特性向量 (我们不打算使用 softmax 函数进行分类)。最后一个向量 f(x1) 是输入 x1 的编码。然后，我们对图像 x2 做同样的事情，把它输入到与第一个子网络完全相同的第二个子网络中，得到了输入 x2 的编码 f(x2)。
为了比较这两个图像 x1 和 x2，我们计算编码 f(x1) 和 f(x2) 之间的距离 d。如果它小于一个阈值 (一个超参数)，这就意味着这两个图像是同一个人，否则便是两个不同的人。
x1 和 x2 的两种编码之间的距离函数
此方法适用于任意两张图片 xi 和 xj。
那么，我们如何学习这些参数以便为输入图像获得良好的编码呢?
我们可以通过三联体损失函数使用梯度下降法，这是一个使用三张图片的损失函数：一张锚点图像 A，一张正确的图像 P(和锚点图像中人物一样)，以及一个不正确的图像 N(人物与锚点图像不同)。我们想让图像 A 与图像 P 的距离 d(A，P) 小于等于图像 A 与图像 N 的距离 d(A，N)。换句话说，我们想让有同一个人的照片间的距离接近，而有不同人的照片距离则远离对方。
“三联”的损失使锚与正之间的距离最小化，两者都具有相同的身份，并使锚与一个不同的身份之间的距离最大化。《FaceNet: 人脸识别和聚类的统一嵌入》
这里有个问题，模型可以学习对不同的图像进行相同的编码，这就会使其间距离为 0，同时它仍满足三元组损失函数。由于这个原因，我们添加了一个边际 alpha(一个超参数) 值，以防止这种情况发生，这样在 A 和 P 及 A 和 N 之间便可一直存在差值。
三元组损失函数
