深度学习（18）：人脸识别、风格转换

人脸识别 fave recognition

人脸验证 fave verification
人脸验证指的是给出一张人脸图片，再给出一个目标ID，我们来确认图片是否属于这个ID
人脸识别 face recognition
人脸识别指的是给出一张人脸图片，已知一组ID，判断这张图片是否属于这一组ID中的一个

任务难点：往往在实际应用中，我们数据库中一个人只有1张图片，数据较少。（训练时需要一个人有多个图片）

siamese network
本质上是利用神经网络对人脸图片进行编码。

我们定义两张图片的差距d（a，b）是其编码差值的范数（各项平方和）。我们希望同一个人的图片差距小，不同人的图片差距大。

Triplet loss
为了利用每个人较少的数据集训练网络，我们可以利用Triplet loss损失函数。
计算Triplet loss，我们需要三个图片：图片A，正例图片P，反例图片N
L（A，P，N）=max（d（A，P）- d（A，N）+ alpha，0）
可以看出我们想要正例差距与反例差距之间的差值要大于alpha
因此适当选取三元组A，P，N可以帮助我们训练模型

转换为二分类问题
除了利用Triplet loss进行训练之外，我们还可以将识别问题转化为二分类问题。

此时我们的训练集不再是单个图片，而是一个个图片对，我们的输出变成了判断两张图片是否为1个人：

我们将两张图片输入到相同的网络中得到各自的编码，再利用一个sigmoid就可以求出输出。
在实际应用中，可以预先计算出数据库中的图片编码，不必每次都进行计算。

图片风格转换

利用原图C和风格图片S，我们想得到内容像C但是风格像S的G

为了完成图片风格转换，我们需要做到两点：
1.图片和原来内容得差不多
2.图片的风格要偏向目标图片

我们通过观察卷积神经网络的结构可以看出。每一层的**函数都对应图片某个特点。对于第一层，每一个神经元只能获得图片的一小部分信息（受限于过滤器大小）抓到的特点简单。而随着网络深度的加深，神经元的信息量会逐渐增大，后面的神经元甚至可以接收到全图信息，抓到的特点就复杂。

内容代价函数
该代价函数主要是为了满足G要长得像C。我们的操作时，将C、G喂到同一个网络中，取出某个中间层的**函数作为输出，通过两组输出差距的范数得到代价。选择的中间层越靠前，C和G的各个像素值都不会差太多。而选择的中间层靠后，C和G就只剩神似了。因此要选择适当的中间层。

风格代价函数
图片的风格和各个特点的相关性有关（浅显理解：每个竖线都是橘色的，这就是一种风格）。因此我们要做的是，将S、G喂到神经网络，对于每一层神经元，计算各个通道之间的相关性（gram矩阵），期望最小化S、G对应的gram矩阵之间的差距，以达到风格相近。

整体代价函数是以上两部分的线性组合。