---
tags: Face Recognition
title: Personal meeting 2020/06/02
date: '02, June, 2020'
---

### 陌生人區別
如果是以deep learning的方式，目前看下來是以便是正確率為標準
與實際應用上有所差異，看到的討論主要是以Double Loss來計算差異，若超過某個值就判斷非此人

### FaceNet: A Unified Embedding for Face Recognition and Clustering
學習每張人臉的歐幾里德距離，並輸出成維度1x1x128來表示特徵

主要貢獻是提出了一個loss function **triplet sample(anchor, positive, negative)**

不同於以往的single或 double loss

模型:實驗了CNN與inception V2
之前實作的是用inception V2的結果
### 人臉相關問題
基本上都是利用歐式距離去做Ridge(L2) Regularization
- face verification: 臉部驗證，設定域值，少於值就認定是本人
- face recognition: 臉部識別，可用k-nn等方式
- face clustering: 臉部分類，可用k-mean等方式分群

### [[1]FaceNet: A Unified Embedding for Face Recognition and Clustering](https://arxiv.org/pdf/1503.03832.pdf)