---

←上一篇↓↑下一篇→

4.1 什么是人臉識(shí)別？	回到目錄	4.3 Siamese 網(wǎng)絡(luò)

---

One-Shot 學(xué)習(xí) (One-Shot Learning)

人臉識(shí)別所面臨的一個(gè)挑戰(zhàn)就是你需要解決一次學(xué)習(xí)問題，這意味著在大多數(shù)人臉識(shí)別應(yīng)用中，你需要通過單單一張圖片或者單單一個(gè)人臉樣例就能去識(shí)別這個(gè)人。而歷史上，當(dāng)深度學(xué)習(xí)只有一個(gè)訓(xùn)練樣例時(shí)，它的表現(xiàn)并不好，讓我們看一個(gè)直觀的例子，并討論如何去解決這個(gè)問題。

假設(shè)你的數(shù)據(jù)庫里有4張你們公司的員工照片，實(shí)際上他們確實(shí)是我們deeplearning.ai的員工，分別是Kian，Danielle，Younes和Tian。現(xiàn)在假設(shè)有個(gè)人（編號(hào)1所示）來到辦公室，并且她想通過帶有人臉識(shí)別系統(tǒng)的柵門，現(xiàn)在系統(tǒng)需要做的就是，僅僅通過一張已有的Danielle照片，來識(shí)別前面這個(gè)人確實(shí)是她。相反，如果機(jī)器看到一個(gè)不在數(shù)據(jù)庫里的人（編號(hào)2所示），機(jī)器應(yīng)該能分辨出她不是數(shù)據(jù)庫中四個(gè)人之一。

所以在一次學(xué)習(xí)問題中，只能通過一個(gè)樣本進(jìn)行學(xué)習(xí)，以能夠認(rèn)出同一個(gè)人。大多數(shù)人臉識(shí)別系統(tǒng)都需要解決這個(gè)問題，因?yàn)樵谀愕臄?shù)據(jù)庫中每個(gè)雇員或者組員可能都只有一張照片。

有一種辦法是，將人的照片放進(jìn)卷積神經(jīng)網(wǎng)絡(luò)中，使用softmax單元來輸出4種，或者說5種標(biāo)簽，分別對(duì)應(yīng)這4個(gè)人，或者4個(gè)都不是，所以softmax里我們會(huì)有5種輸出。但實(shí)際上這樣效果并不好，因?yàn)槿绱诵〉挠?xùn)練集不足以去訓(xùn)練一個(gè)穩(wěn)健的神經(jīng)網(wǎng)絡(luò)。

而且，假如有新人加入你的團(tuán)隊(duì)，你現(xiàn)在將會(huì)有5個(gè)組員需要識(shí)別，所以輸出就變成了6種，這時(shí)你要重新訓(xùn)練你的神經(jīng)網(wǎng)絡(luò)嗎？這聽起來實(shí)在不像一個(gè)好辦法。

所以要讓人臉識(shí)別能夠做到一次學(xué)習(xí)，為了能有更好的效果，你現(xiàn)在要做的應(yīng)該是學(xué)習(xí)Similarity函數(shù)。詳細(xì)地說，你想要神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)這樣一個(gè)用 $d$ 表示的函數(shù)， d(img1,img2)=degree of difference between images ，它以兩張圖片作為輸入，然后輸出這兩張圖片的差異值。如果你放進(jìn)同一個(gè)人的兩張照片，你希望它能輸出一個(gè)很小的值，如果放進(jìn)兩個(gè)長相差別很大的人的照片，它就輸出一個(gè)很大的值。所以在識(shí)別過程中，如果這兩張圖片的差異值小于某個(gè)閾值 $\tau$ ，它是一個(gè)超參數(shù)，那么這時(shí)就能預(yù)測這兩張圖片是同一個(gè)人，如果差異值大于 $\tau$ ，就能預(yù)測這是不同的兩個(gè)人，這就是解決人臉驗(yàn)證問題的一個(gè)可行辦法。

要將它應(yīng)用于識(shí)別任務(wù)，你要做的是拿這張新圖片（編號(hào)6），然后用 $d$ 函數(shù)去比較這兩張圖片（編號(hào)1和編號(hào)6），這樣可能會(huì)輸出一個(gè)非常大的數(shù)字，在該例中，比如說這個(gè)數(shù)字是10。之后你再讓它和數(shù)據(jù)庫中第二張圖（編號(hào)2）片比較，因?yàn)檫@兩張照片是同一個(gè)人，所以我們希望會(huì)輸出一個(gè)很小的數(shù)。然后你再用它與數(shù)據(jù)庫中的其他圖片（編號(hào)3、4）進(jìn)行比較，通過這樣的計(jì)算，最終你能夠知道，這個(gè)人確實(shí)是Danielle。

對(duì)應(yīng)的，如果某個(gè)人（編號(hào)7）不在你的數(shù)據(jù)庫中，你通過函數(shù) $d$ 將他們的照片兩兩進(jìn)行比較，最后我們希望 $d$ 會(huì)對(duì)所有的比較都輸出一個(gè)很大的值，這就證明這個(gè)人并不是數(shù)據(jù)庫中4個(gè)人的其中一個(gè)。

要注意在這過程中你是如何解決一次學(xué)習(xí)問題的，只要你能學(xué)習(xí)這個(gè)函數(shù) $d$ ，通過輸入一對(duì)圖片，它將會(huì)告訴你這兩張圖片是否是同一個(gè)人。如果之后有新人加入了你的團(tuán)隊(duì)（編號(hào)5），你只需將他的照片加入你的數(shù)據(jù)庫，系統(tǒng)依然能照常工作。

現(xiàn)在你已經(jīng)知道函數(shù) $d$ 是如何工作的，通過輸入兩張照片，它將讓你能夠解決一次學(xué)習(xí)問題。那么，下節(jié)視頻中，我們將會(huì)學(xué)習(xí)如何訓(xùn)練你的神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)這個(gè)函數(shù) $d$ 。

課程板書

---

←上一篇↓↑下一篇→

4.1 什么是人臉識(shí)別？	回到目錄	4.3 Siamese 網(wǎng)絡(luò)

---

總結(jié)

以上是生活随笔為你收集整理的4.2 One-Shot 学习-深度学习第四课《卷积神经网络》-Stanford吴恩达教授的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。