Google在2015年時發表了一篇論文，

提出了FaceNet網路架構。

而其實在前面幾天實作人臉辨識時，也都或多或少有用到FaceNet：

• Day 19: 直接使用FaceNet作為我們的CNN網路
• Day 21: OpenFace，網路架構與FaceNet相同，是學術研究的版本

而FaceNet最主要的重點有兩個：

• 訓練模型的方式是使用triplet loss (也就是Day 17提到的triplet networks)
• 圖片的輸出特徵(embeddings)可以很少，只需要128個數值就可以很好辨別

使用FaceNet預訓練的模型可以很好的辨識人臉，

這個我們已經在前面學習到了。

今天，我們要來談談Triplet Loss的做法以及實際如何用。

本文開始

找Triplet Loss，大多都會出現這張圖：

Anchor是當前要訓練的資料，

目的是要將：

• Anchor與Positive(相似的資料)之間的輸出特徵盡可能拉近
• Anchor與Negative(不同類型的資料)之間的輸出特徵盡可能拉遠

Loss是損失函數，也就是模型在"學習"的過程中如何判斷當前的訓練結果是好是壞；

因此Triplet Loss就是要讓模型"學習"如何將相似的資料輸出的特徵相近，而不相似的資料輸出特徵相遠。

作法聽起來很簡單，

但實際上它的"眉角"就在

如何選擇Positive與Negative資料?

如果選擇的資料是"相似資料的特徵已經很近，不相似資料的特徵已經很遠"

滿足Triplet Loss的目標，模型不用訓練，結束。 --- 這是Easy Triplet

選擇"相似資料的特徵都離很遠，不相似資料的特徵都很近"

可能模型訓練到最後很難有不錯的結果。 --- 這是Hard Triplet

凡事過猶不及都不好，

因此出現了一種作法叫做Semi-hard Triplet

到這裡為止還是太抽象了，我們實際舉個例子來說：

大家都吃過「豆」吧？

當我們今天想要學習區分豌豆與荷蘭豆的區別，請看下面的圖片：

如果跟你說Anchor與Positive都是豌豆、Negative是荷蘭豆，

你可能會很直覺的"看到"豌豆與荷蘭豆就是不一樣的東西。

但你會直覺"想到"是什麼不一樣嗎？

.

.

.

.

.

同樣的例子，再來另一個比較：

如果跟你說Anchor與Positive都是豌豆、Negative是荷蘭豆，你的腦袋這時應該會直覺想到：

喔~豌豆的豆仁比較飽滿，而荷蘭豆感覺沒什麼豆仁；豌豆的豆筴好像也比較厚實，荷蘭豆看起來扁扁的

這時候再跟你說中間的那張圖片是你在超市一定會看到的"三色豆"其中一個 -- 青豆仁 (也就是去除豆筴後的豌豆)
荷蘭豆一般都會連豆莢一起直接與其他蔬菜拌炒。

有沒有恍然大悟「喔！我會區分豌豆跟荷蘭豆了！」？

對 --- 上面第二個例子是說明Hard Triplet如何讓人"學習"去想辦法區別兩個不一樣的物體真正的差別。

而第一個例子就是Easy Triplet，你的"眼睛"已經直接告訴你這兩個是不一樣的東西。

今天我們要讓電腦去學習區分也是一樣的道理，

將兩個是一樣的東西，但看起來卻幾乎是不一樣的

以及

兩個不一樣的東西，但看起來很相似

讓電腦去學習特徵，來區別其中的不同。

Google發表的FaceNet就是在這樣的精神下去訓練模型來區別人臉，

也因為Triplet資料的選擇有特別處理，讓這個模型直到現在都還是相當熱門且準確的模型。

最後，

由於Easy Triplet容易學不到東西，

而Hard Triplet困難到學不到東西，

Semi-hard Triplet是折衷作法，

如何挑選，網路上也都有數值分析作法，有興趣一樣可以搜尋看看

就這樣，對我來說FaceNet的重點一次說完囉！