今天我们要学习的就是之前提到过的使用深度学习进行人脸识别的神经网络，Siamese network。
其实Siamese跟之前我们所使用的神经网络在前面的部分都是大致相同的，通过了卷积层，池化层等等进入全连接层。分类类的神经网络一般会在后面加上一个softmax分类器，输出它的类别。
但是Siamese在全连接层的最后一层就停止了。
我们会把一张图片输入到卷积神经网络当中，得到一个全连接层，我们就称这个全连接层是这个图片的编码f(x)。（要注意的是：这里的编码不是指把图片的像素一个一个解读出来，而是把它的数据处理之后提取的特征做成编码）
那么假设我们输入两张图片，我们就会得到两个f(x)，我们所要做的就是比较两个f(x)的差异，来判断两张图片是否是同一张图片。
这里的公式是d(x1,x2)=||f(x1)-f(x2)||，这里的两个竖代表的是范数范数，范数是某种意义上向量的一个长度，通过长度大小比较可以发现两张图片的差异性。
那么理所当然的，我们可以知道，范数的差值越小，就能说明这两张图越有可能是同一个人，差值越大，则两张图越有可能不是同一个人。
下一节课会讲到这个神经网络的损失函数。
记
其实吴恩达在卷积神经网络的课程后部设计这一个人脸识别的课题是别有用心的，这个课题其实并不是非常的难，用的基本上也是之前学过的知识。
其实深度网络在大部分领域都可以应用，哪怕现在我们是一个人只有一张图片的数据库，我们也可以通过另外一个角度来训练这个模型。（也就是我们可以通过很多人来训练这个模型的差值）
一般来说，不同的应用场景，差别就在于输出端究竟是什么，可以是一个分类，或者是一个编码，或者是什么别的东西。
网友评论