标签：相关系数 特征 相同 相关 osi 归一化 let diff vgg
（1）人脸验证（face verification）:1对1，输入一个照片或者名字或者ID，然后判断这个人是否是本人。
（2）人脸识别（face recognition）:1对多，判断这个人是否是系统中的某一个人。
（1）比如一个公司的员工，一般每个人只给一张工作照（如4个人），这时网络输出五个单元，分别代表他们以及都不是。这样设计会有两个明显的问题：第一是每个人只给了一张照片，训练样本太少；第二是如果这时候又来了一个员工，那么网络的输出得重新调整，显然不合理。
（2）实际使用的方法，是训练一个差异度函数（degree of difference between images）的网络，给网络输入两张照片，如果是同一个人则输出很小的值（差异很小），如果不是同一个人则输出很大的值，这时只要将来的人与系统中的照片逐一比较即可。同时如果来了新员工，也只需要将他的照片放入到系统中就可以了。
（1）Siamese的输出不经过softmax激活函数做分类，直接就是输出一个向量，相当于把每个人映射成一个向量，然后判断两张图片是否是同一个人时只需要，分别输入这同一个网络，然后求输出向量的范数，如下所示：
（1）首先训练集中必须有相同人的照片（网络应用的时候没这个要求），三张照片为一组（分别叫做Anchor,Positive,Negative），如下图所示：
（2）损失函数如下，将两张相同的图片的距离比两张不同图片的距离的差值（注意此处差值已经是一个负值了）小于某个阈值时，其误差视为0：
（1）可以用二分类的思想来训练上面的Siamese网络，同样是用同一个网络，输出两张照片的向量，这时候在后面将向量对应元素做差的绝对值作为一个特征，再创建一层逻辑回归即可，输出0、1，如下等式所示：
（2）用这种方法训练网络，每次是使用两张照片，而不是三张照片了。
（3）不管是上面提到的两种训练方式的哪一种，当在应用网络的时候，不需要在系统中存储大量的照片，可以提前把照片输入网络计算出来的向量存在系统中即可，这样在实际应用时就非常的快乐。
（1）下面就是一个风格转换的例子，左边是内容图（C），右边是风格图（S），下面是生成图（G）
（1）浅层检测到简单的一些边缘，越到后面，图形越来越复杂。
（1）相似度越好，代价函数越小，所以就是最小化下面的代价函数，包括内容相似度和风格相似度，（α，β是调节两者的权重，其实一个就够了）：
（2）生成图G一开始就是随机初始化，下面是生成图随着最小化代价函数的变化过程（其中1是内容图，2是风格图）：
（1）用隐含层l来计算内容代价，如果l是一个很小的数，比如说隐含层1，这个代价函数就会使你的生成图片像素上非常接近你的内容图片。如果你用非常深的层，那么如果内容图上有狗，那么它就会确保生成图片里面有一只狗。所以在实际中，这个l既不会选择太浅也不会选择太深。用预训练的VGG网络模型。取中间的l层，这时将内容图与生成图分别输入到VGG中得到第l层的激活值，然后求其相似度，就是按元素对应相减：
（1）需要着重理解：一个通道是由一个卷积核卷积生成的，假如这个卷积核擅长识别垂直的线段，那么这个通道将会有很多垂直线段，另一个通道的卷积核擅长识别橙色，那么这个通道可能就表现出许多橙色，如下图所示：
（2）那么什么是通道间的相关性呢？如果一个通道出现垂直线的地方，更容易出现橙色，即二者同时出现或者不出现的概率大那么二者就相关了。
（3）说两张图的风格相似，可以看成两张图各自不同通道之间的相关性是相同的，那么这两张图就风格相同（或者类似）。
（4）以下是一种不是很标准（之所以说不标准是因为没有减去各自的均值再相乘）的求相关系数的方法，即两个通道间对应元素相乘，然后求和，最后结果越大说明越相关：
（5）最后只要把风格图和生成图在隐含层l层的各自的相关系数做差再求范数即可（前面的归一化可要可不要，因为还有超参数α、β）：
（6）最后就形成了总的代价函数：
（1）一维数据，如心电图，这时候的卷积核如下所示，一个14维与一个5维卷积核卷积形成一个10维输出：
（2）三维数据，如CT图，一个3D对象，如14*14*14（这里没有出现通道数，宽度和深度是后面两个），这时候5卷积核比如说5*5*5*1（假设输入照片是1通道的），这时候输出10*10*10*5。需要时刻记住的是卷积核的通道数一定要和输入的通道数相同。
吴恩达《深度学习》第四门课（4）特殊应用：人脸识别和神经风格迁移
标签：相关系数 特征 相同 相关 osi 归一化 let diff vgg
原文地址：https://www.cnblogs.com/ys99/p/9332519.html
