FaceNet: A Unified Embedding for Face Recognition and Clustering

[chullhwan-song]

https://arxiv.org/abs/1503.03832

[chullhwan-song]

what ?

• triplet loss 기반 face embedding feature > 128차원 > facenet
  
• face verification
• triplet selection - semi hard negative sampling

face net

• Triplet Loss
  
  • anchor와 pos는 가까워지도록, anchor와 neg는 멀어지도록 학습한다. 이를 위해,
    
    • α 는 margin
  • loss
    
• triplet selection
  • 샘플자체가 너무 anchor와 pos는 너무 가깝고, anchor와 neg는 너무 멀면 학습에 그리 도움이 되지 않는다. 그리고 이런것까지 학습시키기는 너무 오래걸리고 많다.
  • 그래서, How?
    • anchor와 pos는 멀고, anchor와 neg는 가까운 sample을 뽑아보자는게 목적.
    • 그러나, 모든 sample에 대해 선택하는것은 불가능 > 계산량이 어마어마할것이다.
    • 그래서, batch 단위로 계산한다.
      • Offline: n step 마다 모델의 checkpoint를 생성하고 일부 데이터에 대해 뽑기
      • Online: mini-batch에서 뽑기
    • online 기법 이용
  • mini-batch 단위에서
    • semi-hard negative sampling
      
    • facenet open source에서는 vgg face sampling(hard negative sampling)도 볼수 있음.

cnn

실험

• 학습데이터
  
• Performance on LFW
  • fixed center crop: 98.87%±0.15
  • face alignment: 99.63%±0.09
    
• dimension