Google在2015年时发表了一篇论文，

提出了FaceNet网路架构。

而其实在前面几天实作人脸辨识时，也都或多或少有用到FaceNet：

• Day 19: 直接使用FaceNet作为我们的CNN网路
• Day 21: OpenFace，网路架构与FaceNet相同，是学术研究的版本

而FaceNet最主要的重点有两个：

• 训练模型的方式是使用triplet loss (也就是Day 17提到的triplet networks)
• 图片的输出特徵(embeddings)可以很少，只需要128个数值就可以很好辨别

使用FaceNet预训练的模型可以很好的辨识人脸，

这个我们已经在前面学习到了。

今天，我们要来谈谈Triplet Loss的做法以及实际如何用。

本文开始

找Triplet Loss，大多都会出现这张图：

Anchor是当前要训练的资料，

目的是要将：

• Anchor与Positive(相似的资料)之间的输出特徵尽可能拉近
• Anchor与Negative(不同类型的资料)之间的输出特徵尽可能拉远

Loss是损失函数，也就是模型在"学习"的过程中如何判断当前的训练结果是好是坏；

因此Triplet Loss就是要让模型"学习"如何将相似的资料输出的特徵相近，而不相似的资料输出特徵相远。

作法听起来很简单，

但实际上它的"眉角"就在

如何选择Positive与Negative资料?

如果选择的资料是"相似资料的特徵已经很近，不相似资料的特徵已经很远"

满足Triplet Loss的目标，模型不用训练，结束。 --- 这是Easy Triplet

选择"相似资料的特徵都离很远，不相似资料的特徵都很近"

可能模型训练到最後很难有不错的结果。 --- 这是Hard Triplet

凡事过犹不及都不好，

因此出现了一种作法叫做Semi-hard Triplet

到这里为止还是太抽象了，我们实际举个例子来说：

大家都吃过「豆」吧？

当我们今天想要学习区分豌豆与荷兰豆的区别，请看下面的图片：

如果跟你说Anchor与Positive都是豌豆、Negative是荷兰豆，

你可能会很直觉的"看到"豌豆与荷兰豆就是不一样的东西。

但你会直觉"想到"是什麽不一样吗？

.

.

.

.

.

同样的例子，再来另一个比较：

如果跟你说Anchor与Positive都是豌豆、Negative是荷兰豆，你的脑袋这时应该会直觉想到：

喔~豌豆的豆仁比较饱满，而荷兰豆感觉没什麽豆仁；豌豆的豆筴好像也比较厚实，荷兰豆看起来扁扁的

这时候再跟你说中间的那张图片是你在超市一定会看到的"三色豆"其中一个 -- 青豆仁 (也就是去除豆筴後的豌豆)
荷兰豆一般都会连豆荚一起直接与其他蔬菜拌炒。

有没有恍然大悟「喔！我会区分豌豆跟荷兰豆了！」？

对 --- 上面第二个例子是说明Hard Triplet如何让人"学习"去想办法区别两个不一样的物体真正的差别。

而第一个例子就是Easy Triplet，你的"眼睛"已经直接告诉你这两个是不一样的东西。

今天我们要让电脑去学习区分也是一样的道理，

将两个是一样的东西，但看起来却几乎是不一样的

以及

两个不一样的东西，但看起来很相似

让电脑去学习特徵，来区别其中的不同。

Google发表的FaceNet就是在这样的精神下去训练模型来区别人脸，

也因为Triplet资料的选择有特别处理，让这个模型直到现在都还是相当热门且准确的模型。

最後，

由於Easy Triplet容易学不到东西，

而Hard Triplet困难到学不到东西，

Semi-hard Triplet是折衷作法，

如何挑选，网路上也都有数值分析作法，有兴趣一样可以搜寻看看

就这样，对我来说FaceNet的重点一次说完罗！