吴恩达深度学习笔记（九） —— FaceNet
主要内容：
一.FaceNet人脸识别简介
二.使用神经网络对人脸进行编码
三.代价函数triple loss
四.人脸库
五.人脸认证与人脸识别
一.FaceNet简介
1.FaceNet是一个深层神经网络，它将人脸编码成一个含有128个数的向量。通过比较两张人脸编码后的向量，可以判定两张人脸是否属于同一个人。
2.FaceNet的代价函数叫做“triplet loss function”，就是在训练的时候，一条训练数据包含三张人脸，第一张是本人（这张是主的），第二张也是本人的（需与第一张有差别），第三张是另外一个人的（这一张最好与本人长得很像，这样训练出来的网络才有很高的分辨能力。否则拿一个差天共地的人做训练，那判断两人不同是很容易的，因而神经网络得不到锻炼，人也一样。）然后第一二张的差值应该小于第三张的差值，且至少差一个常数𝛼。
3.训练完FaceNet之后，就可以将网络作为一个系统：将需要的人脸经过FaceNet生成对应的向量，然后将该向量放到一个向量库，即为人脸库。当需要进行人脸识别时，就可以将当前的人的头像输入到FaceNet形成一个向量，然后用该向量与人脸库的向量进行比对，如果差值在一个小范围之类，则识别成功；否则失败。
二.使用神经网络对人脸进行编码
1.FaceNet的输入是96*96的RGB图像，即一张人脸为96*96*3，m个输入则为(m,nC,nH,nW) = (m,3,96,96)。注意：信道放在前面只是人为规定。
2.将一张人脸输入到神经网络中，输出一个128大小的向量，此为该美丽女士的编码：
三.代价函数triple loss
1.一个好的编码需满足下面一个条件：两张来自同一个人的头像的编码的差值需很小，两张来自不同人的头像的编码的差值需很大。triple loss就可能地满足上面的条件。
2.下面就是一条训练数据，前两张来自同一个人，后一张是另外一个人：
3.triple loss的功能就是使得A与P的编码的差值尽可能小，A与N的编码的差值尽可能大，规定需要满足下面的条件：
则triple loss为：
4.总和上述，triple loss的计算过程如下：
四.人脸库
1.由于FaceNet的学习需要大量的数据和时间，所以直接利用别人已经训练过的FaceNet。
2.当FaceNet训练完成后，就可以生成人脸库了：把公司成员的人脸输入FaceNet，生成编码，然后加入到人脸库中。
五.人脸认证与人脸识别
1.所谓人脸认证，就是1 vs 1的比对：当前有一个人，它表明自己的id（就相当于带了通行卡），然后再输入他的人脸，认证系统就根据他的id在人脸库中找到该id的编码，然后将其与输入的人脸的编码作比对，如果差值小于一个小范围，则认证成功。
2.所谓人脸识别，就是1 vs m的比对：当前有一个人，它没有标明自己的id（相当于没带通行卡），然后再输入他的人脸，认证系统就遍历人脸库中的所有编码，然后将其与输入的人脸的编码作比对，取两者差值的最小值，若最小值在一个很小的范围内，则认证成功。
