Facenet

是google在2015於CVPR所發表的，提出在特徵空間裡做出識別、驗證的問題，只需想辦法將人臉特徵如何最好的映射到特徵空間中。如果將特徵完好的映射在特徵空間中，就可以直接解決人臉驗證、識別等問題。

使用的loss function為Triplet Loss
輸入為三元組<a,p,n>
a為anchor(已知者，需要辨識的人)
p為positive,與a為同一人但不同張影像(有可能為角度、光線不同的影像)
n為negative,與a為不相同的人
損失函式公式為：
L=max(d(a,p)-d(a,n)+margin,0)

若要產生出最小的L則須拉近(a,p)距離，拉遠(a,n)距離。

有三種三元組類別
easy triplets：L=0，這種情況不需進行優化。
hard triplets:d(a,n) < d(a,p),即(a,n)距離近,(a,p)距離遠。
semi-hard triplets：d(a,p) < d(a,n) < d(a,p) + margin

在原始的Facenet論文中是採取隨機的方式選取semi-hard triplets進行訓練的。