人脸验证与二分类 (Face Verification and Binary Classification)
Triplet loss是一个学习人脸识别卷积网络参数的好方法,还有其他学习参数的方法,让我们看看如何将人脸识别当成一个二分类问题。 另一个训练神经网络的方法是选取一对神经网络,选取Siamese网络,使其同时计算这些嵌入,比如说128维的嵌入(编号1),或者更高维,然后将其输入到逻辑回归单元,然后进行预测,如果是相同的人,那么输出是1,若是不同的人,输出是0。这就把人脸识别问题转换为一个二分类问题,训练这种系统时可以替换Triplet loss的方法。 最后的逻辑回归单元是怎么处理的?输出
y
^
\hat{y}
y^? 会变成,比如说sigmoid函数应用到某些特征上,相比起直接放入这些编码(
f
(
x
(
i
)
)
,
f
(
x
(
j
)
)
)
f(x^{(i)}),f(x^{(j)}))
f(x(i)),f(x(j)))),你可以利用编码之间的不同。
y
^
=
σ
(
∑
k
=
1
128
w
i
∣
f
(
x
(
i
)
)
k
?
f
(
x
(
j
)
)
k
∣
+
b
)
\hat{y}=\sigma(\sum_{k=1}^{128}w_i|f(x^{(i)})_k-f(x^{(j)})_k|+b)
y^?=σ(k=1∑128?wi?∣f(x(i))k??f(x(j))k?∣+b)
我解释一下,符号
f
(
x
(
i
)
)
k
f(x^{(i)})_k
f(x(i))k? 代表图片
x
(
i
)
x^{(i)}
x(i) 的编码,下标
k
k
k 代表选择这个向量中的第
k
k
k 个元素,
∣
f
(
x
(
i
)
)
k
?
f
(
x
(
j
)
)
k
∣
|f(x^{(i)})_k-f(x^{(j)})_k|
∣f(x(i))k??f(x(j))k?∣ 对这两个编码取元素差的绝对值。你可能想,把这128个元素当作特征,然后把他们放入逻辑回归中,最后的逻辑回归可以增加参数
w
i
w_i
wi? 和
b
b
b ,就像普通的逻辑回归一样。你将在这128个单元上训练合适的权重,用来预测两张图片是否是一个人,这是一个很合理的方法来学习预测0或者1,即是否是同一个人。 还有其他不同的形式来计算绿色标记的这部分公式(
∣
f
(
x
(
i
)
)
k
?
f
(
x
(
j
)
)
k
∣
|f(x^{(i)})_k-f(x^{(j)})_k|
∣f(x(i))k??f(x(j))k?∣ ),比如说,公式可以是 (
(
f
(
x
(
i
)
)
k
?
f
(
x
(
j
)
)
k
)
2
f
(
x
(
i
)
)
k
+
f
(
x
(
j
)
)
k
\frac{(f(x^{(i)})_k-f(x^{(j)})_k)^2}{f(x^{(i)})_k+f(x^{(j)})_k}
f(x(i))k?+f(x(j))k?(f(x(i))k??f(x(j))k?)2?),这个公式也被叫做
χ
2
\chi^2
χ2 公式,是一个希腊字母
χ
\chi
χ,也被称为
χ
\chi
χ 平方相似度。
? Yaniv Taigman, Ming Yang, Marc’Aurelio Ranzato, Lior Wolf (2014). DeepFace:Closing the gap to human-level performance in face verification
这些公式及其变形在这篇DeepFace论文中有讨论,我之前也引用过。 但是在这个学习公式中,输入是一对图片,这是你的训练输入
x
x
x (编号1、2),输出
y
y
y 是0或者1,取决于你的输入是相似图片还是非相似图片。与之前类似,你正在训练一个Siamese网络,意味着上面这个神经网络拥有的参数和下面神经网络的相同(编号3和4所示的网络),两组参数是绑定的,这样的系统效果很好。
之前提到一个计算技巧可以帮你显著提高部署效果,如果这是一张新图片(编号1),当员工走进门时,希望门可以自动为他们打开,这个(编号2)是在数据库中的图片,不需要每次都计算这些特征(编号6),不需要每次都计算这个嵌入,你可以提前计算好,那么当一个新员工走近时,你可以使用上方的卷积网络来计算这些编码(编号5),然后使用它,和预先计算好的编码进行比较,然后输出预测值
y
^
\hat{y}
y^?。
因为不需要存储原始图像,如果你有一个很大的员工数据库,你不需要为每个员工每次都计算这些编码。这个预先计算的思想,可以节省大量的计算,这个预训练的工作可以用在Siamese网路结构中,将人脸识别当作一个二分类问题,也可以用在学习和使用Triplet loss函数上,我在之前的视频中描述过。
总结一下,把人脸验证当作一个监督学习,创建一个只有成对图片的训练集,不是三个一组,而是成对的图片,目标标签是1表示一对图片是一个人,目标标签是0表示图片中是不同的人。利用不同的成对图片,使用反向传播算法去训练神经网络,训练Siamese神经网络。 这个你看到的版本,处理人脸验证和人脸识别扩展为二分类问题,这样的效果也很好。我希望你知道,在一次学习时,你需要什么来训练人脸验证,或者人脸识别系统。
|