单样本学习：使用孪生神经网络进行人脸识别

选自towardsdatascience

作者：Firdaouss Doukkali

机器之心编译

参与：Nurhachu Null、刘晓坤

这篇文章简要介绍单样本学习，以孪生神经网络（Siamese neural network）进行人脸识别的例子，分享了作者从论文 FaceNet 以及 deeplearning.ai 中学到的内容。

图片来自 pixabay.com（https://pixabay.com/）

如果你对这个主题很感兴趣并希望深入了解的话，可以参考论文：

FaceNet：人脸识别和聚类的统一嵌入（FaceNet: A Unified Embedding for Face Recognition and Clustering）。

让我们开始吧！

单样本学习

为了理解使用单样本学习的原因，我们需要讨论一下深度学习和数据。通常，在深度学习中，我们需要大量的数据，拥有的数据越多，结果就会越好。然而，仅从少量数据中学习会更加方便，因为并不是所有的人都拥有丰富的数据。

此外，为了识别一个对象，人脑也不需要成千上万张这类对象的图片。我们现在不谈论对人脑的模拟，因为它过于复杂和强大并且很多东西都与学习和记忆有关，例如感觉、先验知识、交互等。

这里的主要思想就是，我们需要仅仅从少量的数据中就能学会一个对象分类，这就是单样本学习（one-shot learning）算法。

人脸识别

在人脸识别系统中，我们希望通过输入一张人脸图片就能够识别对应的人的身份。而如果系统并没有成功地识别图片，是因为这个人的人脸图片并不在系统的数据库中。

为了解决这个问题，我们不能仅使用单个卷积神经网络的原因有两个：1）CNN 在小数据集上是不起作用的；2）如果每次向系统中加入一位新人的一幅图片时再去重新训练模型，也是极其不方便的。为此，我们在人脸识别中使用了孪生神经网络。

孪生神经网络

孪生神经网络的目标是寻找两个可比较对象的相似程度（例如，签名验证、人脸识别等）。这个网络有两个相同的子网络，两个子网络有相同的参数和权重。

图片来源于 C4W4L03 Siamese Network（https://www.youtube.com/watch?v=6jfw8MuKwpI），感谢 Andrew Ng。

上图是 deeplearning 中利用孪生网络架构做人脸识别的例子。正如你所看到的，第一个子网络的输入是一幅图片，然后依次馈送到卷积层、池化层和全连接层，最后输出一个特征向量（我们并没有使用 softmax 函数来做分类）。最后的向量 f(x1) 是对输入 x1 的编码。然后，向第二个子网络（与第一个子网络完全相同）输入图片 x2，我们对它做相同的处理，并且得到对 x(2) 的编码 f(x2)。

为了比较图片 x(1) 和 x(2)，我们计算了编码结果 f(x1) 和 f(x2) 之间的距离。如果它比某个阈值（一个超参数）小，则意味着两张图片是同一个人，否则，两张图片中不是同一个人。

上式是 x1 和 x2 的编码之间的距离。

这适用于任何两张图片。

那么，为了得到对输入图片的良好编码，我们如何学习相应的参数呢？

我们可以在三重损失函数上应用梯度下降，所谓三重损失函数指的是使用三幅图片计算一个损失函数：一副固定影像 A，一副正例图像 P（与固定影像是同一人），以及一张反例图像 N（与固定影像不是同一人）。所以，我们想让固定影像 A 与正例 P 的编码之间的距离 d(A,P) 小于等于 A 与 N 的编码之间的距离 d(A,N)。也就是说，我们要让同一个人的图片更加相互接近，而不同人的照片要互相远离。

三重损失将固定影像 A 与正例 P 之间的距离最小化了，这两者具有同样的身份，同时将固定影像 A 与反例 N 之间的距离最大化了。来自论文《FaceNet: A Unified Embedding for Face Recognition and Clustering》。

这里的问题是，模型可能学习给不同的图片做出相同的编码，这意味着距离会成为 0，不幸的是，这仍然满足三重损失函数。因为这个原因，我们加入了边际α（一个超参数）来避免这种情况的发生。让 d(A,P) 与 d(N,P) 之间总存在一个差距。

三重损失函数：

这里的最大化处理意味着只要 d(A, P)—d(A, N)+ α小于等于 0，那么 loss L(A, P, N) 就会是 0，但是一旦它大于 0，那么损失值就是正的，这个函数就会将它最小化成 0 或者小于 0。

代价函数是训练集的所有个体的三重损失的和。

训练集

为了定义 A 和 P，训练集应该包含同一个人的多张图片，一旦模型训练完毕，我们就可以仅仅通过一张图片来识别出一个人。

我们如何选择用于训练模型的图片呢？

如果我们随机选择图片，可能很容易就能满足损失函数的限制，因为大多数情况距离都是很大的，而且梯度下降也不会从训练集中学到很多（大幅更新权重）。因为这个原因，我们需要寻找这样的 A、P 和 N，使得 A 和 P 很接近 N。我们的目标是让训练模型变得更加困难，以使得梯度下降学到更多。

本文为机器之心编译，转载请联系本公众号获得授权。

✄------------------------------------------------