人脸识别:PairLoss

本次对人脸识别技术进行详细阐述，在探讨其核心创新点时着重讨论了提升相似度计算效率的关键技术路径。具体而言，在这一技术框架下所定义的"相似度"概念与Triplet Loss算法原理高度契合：对于同一身份而言其脸部特征之间的距离较小；而对于不同身份而言则较为遥远。该研究工作源自《arxiv Learning a Metric Embedding for Face Recognition using the Multibatch Method》论文的研究成果

Introduction

各种人脸识别模型都可被视为一种Metric或Embeding型模型。这意味着相同身份的人脸之间的距离会更近。这带来了便利性的好处。不仅可以用来执行face verification任务而且还可以用于face clustering。

现有

部分采用基于对比判断的方法来评估目标间的相似性或差异性; 其损失函数定义为L[x_i, x_j]; 而另一种采用的是当前非常流行的Triplet Loss, 其损失函数由三元组组成

（2）Network Architecture

网络的构建一直都很灵活，有得网络还需要对图片进行对齐等预处理。

（3）Classification Layer

基于经典的Google FaceNet模型，在仅依赖hard三元组的情况下，并行优化了约一个