此文由google 於2015年發表
論文鏈接：http://xueshu.baidu.com/s?wd=paperuri%3A%28b5457de3c4f74fbbb7d4703e93dc5974%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Farxiv.org%2Fabs%2F1503.03832&ie=utf-8&sc_us=12680360272531669381
1.研究問題
人臉識別、人臉驗證、人臉聚類
2.此文工作
傳統的方法：首先利用softmax 損失函數訓練網絡，然後從網絡中抽取某些層或輸出層作爲特徵，然後基於此特徵訓練分類器，對人臉進行識別、驗證。
FaceNet 則認爲最後的分類器其實也可以用網絡模擬，替代softmax。
FaceNet 採用三元損失函數訓練網絡，直接進行端到端學習一個圖像到歐式空間的編碼方式，然後基於這個編碼再做人臉識別、人臉驗證和人臉聚類。
2.1 模型結構
去掉了最後的softmax ，經過L2歸一化，得到特徵表示，再基於這個特徵計算三元組損失。
2.2 Triplet Loss
2.3 Triplet Selection
很少的數據就能產生很多的三元組，選取合適的三元組可以加快收斂速度。
最粗暴的方式是對每個樣本，找到離它最近的反例和最遠的正例，然後優化，但是這樣會有兩個問題：耗時，比訓練時間還長；容易受不好的數據主導。
採用的方法：
生成mini-batch， 每個mini-batch 中每個人平均有40張圖片，然後隨機加入一些反例
生成triplet， 不是找到所有的艱難正樣本，而是找到所有的anchor-positive 對，然後根據這些特徵對，找到semi-hard-negative
2.4 網絡結構
此文中比較了好幾個網絡，有些網絡很深，參數較多（1.4億），也有網絡較淺，參數較少（4.3百萬，此網絡可用於手機）。此文重點不在網絡，可視爲黑箱子。
2.5 人臉識別、人臉驗證、人臉聚類
當完成端到端學習到圖像到歐式空間的編碼，則可以輕鬆完成以下三個任務：
人臉識別：成爲一個k-NN 問題
人臉驗證：對兩個編碼求歐氏距離，與閾值對比
人臉聚類：利用像k-means 之類的聚類算法
2.6 實驗與討論
訓練數據：100-200M張圖像，分佈在8M個人上。恐怖！
結果：在LFW 上人臉不對齊，效果在98.87%左右，如果使用額外的人臉對齊，效果在99.63%，優於DeepID
3.總結
拋棄了softmax， 創造性的採用triplet-loss， 得到特徵的歐式編碼，使得人臉識別、驗證、聚類大大簡化。但是其超大量的訓練數據他人難以效仿。
