人脸识别

参考资料：
coursera课程第四周前半部分及编程作业： Convolutional Neural Networks

• 主要原理
  训练一个网络，输出一个128维向量，这些向量要满足，相同人之间距离相差很小，不同人之间距离相差很大，这个需要用到The Triplet Loss

  
  

• The Triplet Loss
  用来实现相同人之间距离相差很小，不同人之间距离相差很大，第一张图片叫anchor，也就是基准的那个人，然后是同一个人的另外一张图片Positive，然后是另外一个人的一张图片Negetive。

  
  

• 实现

# GRADED FUNCTION: triplet_loss

def triplet_loss(y_true, y_pred, alpha = 0.2):
    """
    Implementation of the triplet loss as defined by formula (3)
    
    Arguments:
    y_true -- true labels, required when you define a loss in Keras, you don't need it in this function.
    y_pred -- python list containing three objects:
            anchor -- the encodings for the anchor images, of shape (None, 128)
            positive -- the encodings for the positive images, of shape (None, 128)
            negative -- the encodings for the negative images, of shape (None, 128)
    
    Returns:
    loss -- real number, value of the loss
    """
    
    anchor, positive, negative = y_pred[0], y_pred[1], y_pred[2]
    
    ### START CODE HERE ### (≈ 4 lines)
    # Step 1: Compute the (encoding) distance between the anchor and the positive, you will need to sum over axis=-1
    pos_dist = tf.reduce_sum(tf.square(anchor - positive),axis=1)
    # Step 2: Compute the (encoding) distance between the anchor and the negative, you will need to sum over axis=-1
    neg_dist = tf.reduce_sum(tf.square(anchor - negative),axis=1)
    # Step 3: subtract the two previous distances and add alpha.
    basic_loss = pos_dist - neg_dist + alpha
    # Step 4: Take the maximum of basic_loss and 0.0. Sum over the training examples.
    loss = tf.reduce_sum(tf.maximum(basic_loss,0))
    ### END CODE HERE ###
    
    return loss

• 验证
  训练好模型后，我们提前在数据库中放好某人对应的编码，要验证某张图片是否是某个人，那就计算这张图片的编码，然后跟数据库的编码计算距离是否小于阈值即可。

• 识别
  训练好模型后，我们提前在数据库中放好某人对应的编码，要验证某张图片对应的人是否在数据库中，轮询数据库中每个人，找到最近的距离，如果最近的距离小于阈值，那么就是，否则不是。

• 改进
  1、每个人在数据库中存放多张图片，然后比对的时候可以对比多张
  2、将照相的框只限制为人脸大小，减少无关像素进来