摘要
尽管面部识别领域近期取得了显著进展，但在大规模高效实施面部验证和识别方面，现有方法仍面临严峻挑战。本文介绍了一种名为FaceNet的系统，该系统直接从面部图像学习映射到一个紧凑的欧几里得空间，在这个空间中，距离直接对应于面部相似度的度量。一旦生成了这个空间，就可以利用FaceNet嵌入作为特征向量，通过标准技术轻松实现面部识别、验证和聚类等任务。我们的方法使用深度卷积网络进行训练，以直接优化嵌入本身，而不是像以前的深度学习方法那样优化中间瓶颈层。在训练过程中，我们使用一种新颖的在线三元组挖掘方法生成大致对齐的匹配/非匹配面部补丁三元组。这种方法的优势在于表示效率更高：我们仅使用每张面部128字节的数据就达到了最先进的面部识别性能。在广泛使用的“Labeled Faces in the Wild”（LFW）数据集上，我们的系统实现了99.63%的新纪录准确率。在YouTube Faces数据库上，准确率达到95.12%。与目前最佳的已发表结果相比，我们的系统在这两个数据集上的错误率降低了30%。此外，我们还引入了谐波嵌入的概念以及谐波三元组损失函数，这些概念描述了由不同网络生成的不同版本的面部嵌入之间的兼容性，并允许它们之间进行直接比较。