视频元信息
- 课程来源：吴恩达深度学习专项课程（Deep Learning Specialization）
- 所属模块：卷积神经网络（CNN）— 人脸识别专题
- 本节主题：单样本学习（One-shot Learning）
- 视频时长：约 4 分 40 秒
- 课程语言：英文讲解（中英字幕）
内容摘要（TL;DR）
本节讲解人脸识别中的单样本学习（One-shot Learning）问题：当数据库中每个人只有一张照片时，如何识别新出现的人。吴恩达指出，直接用 Softmax 分类器输出固定类别的方法行不通（训练样本太少、新增人员需重训）。正确做法是学习一个相似度函数 D，输入两张图片，输出它们的差异程度。识别时，将新图片与数据库中每张图片逐一比较，若差异小于阈值 τ 则判定为同一人。
一、问题引入：什么是单样本学习 [00:24]
场景设定
假设你的组织数据库中存有 4 位员工的照片（吴恩达在 deeplearning.ai 的同事：Kian、Danielle、Younes、Tian）。
现在有一个人来到办公室，需要通过闸机（turnstile）进入。
系统需要完成的任务是：
- 即使之前只见过某人的一张照片，也要能识别出这是同一个人；
- 如果来的人不在数据库中，系统应判断"此人不是数据库中的任何一位"。
单样本学习的定义
单样本学习（One-shot Learning）：只从一个样本（一张照片）中学习，从而能够再次识别该对象。
理解：这与人脸识别的实际需求高度吻合——大多数场景下，每位员工/用户只会上传一张证件照作为基准。
为什么人脸识别系统需要单样本学习？
- 数据库中每位员工可能只有一张照片；
- 无法为每个人收集大量训练样本。
二、为什么不能用 Softmax 分类器直接解决 [01:22]
朴素方案
最直接的想法是：
- 将输入图片送入一个卷积网络（ConvNet）；
- 使用 Softmax 单元输出标签 y；
- 若有 4 位员工，则输出 4 个类别（或 5 个，含"以上都不是"）。
该方案的问题
易错点：Softmax 方案在人脸识别中不可行，原因有两点：
- 训练集太小：每人只有一张照片，不足以训练出鲁棒的神经网络，网络会过拟合（overfit）；
- 扩展性差：如果团队新增一名成员，类别数从 5 变为 6，就必须重新训练整个卷积网络。
思考：这种"固定类别数"的范式本质上是闭集分类，而人脸识别面对的是开集问题——随时可能有新的人加入或出现陌生人。
结论：每次新增人员都要重训网络，显然不是好的方法。
三、正确思路：学习相似度函数 D [02:08]
核心思想
不学习"这是谁"，而是学习"这两张图是不是同一个人"。
具体来说，训练一个神经网络来学习函数 D（difference / distance function）：
- 输入：两张图片
- 输出：这两张图片的差异程度（degree of difference）
D 函数的期望行为
| 情况 | D 的输出 |
|---|---|
| 两张图是同一人 | 较小的数值 |
| 两张图是不同人 | 较大的数值 |
理解：D 本质上是一个度量学习（metric learning）函数，它把"识别问题"转化为"验证问题"。
四、识别阶段的工作流程 [02:43]
阈值判断规则
设定一个阈值（超参数）τ（tau）：
- 若 D(图1, 图2) < τ → 判定为同一个人
- 若 D(图1, 图2) > τ → 判定为不同的人
这就是人脸验证（Face Verification）问题的解决方式。
具体识别过程
给定一张新照片，将其与数据库中每张照片逐一比较：
示例流程：
- 新照片 vs 数据库第 1 张 → D 输出较大值（如 10）→ 不是同一人
- 新照片 vs 数据库第 2 张 → D 输出较小值 → 是同一人（Danielle）
- 新照片 vs 数据库第 3、4 张 → D 输出较大值 → 不是同一人
最终判定：此人是 Danielle。
处理陌生人
若来者不在数据库中：
- 将新照片与数据库中所有 4 张照片逐一比较；
- 若 D 对所有配对都输出较大值；
- 则判定：此人不是数据库中的任何一位。
关键点：识别 = 多次验证（pairwise comparison）。 人脸识别系统通过反复调用验证函数 D 来完成识别任务。
五、单样本学习问题的解决与扩展性 [04:07]
为什么这个方法有效
只要能够学到函数 D（输入一对图片，判断是否为同一人），那么：
- 新增人员时无需重新训练：只需将新人的照片加入数据库；
- 系统自动支持第 5 位、第 6 位……新成员；
- 识别流程完全不变。
方法优势总结
| 对比维度 | Softmax 方案 | 相似度函数 D 方案 |
|---|---|---|
| 训练数据需求 | 每人需大量样本 | 每人一张即可 |
| 新增人员 | 需重新训练网络 | 直接加入数据库 |
| 陌生人处理 | 需额外"以上都不是"类 | 天然支持 |
| 本质 | 闭集分类 | 开集验证 |
思考：这种"学习相似度而非学习类别"的思想，是后续 Siamese 网络、Triplet Loss 等方法的基础。
六、本节小结与下节预告 [04:37]
本节核心结论
- 单样本学习是人脸识别的核心挑战：每人只有一张照片时如何识别；
- Softmax 分类方案不可行：样本太少 + 新增人员需重训；
- 正确方法：学习相似度函数 D，输入两张图片，输出差异程度；
- 识别流程：新图片与数据库逐一比较，通过阈值 τ 判断是否为同一人；
- 扩展性好：新增人员只需加入数据库，无需重新训练。
下节预告
下一节将介绍如何实际训练神经网络来学习这个函数 D（即 Siamese 网络与 Triplet Loss 相关内容）。
【拓展】相关背景与延伸知识
1. 人脸验证 vs 人脸识别
- 人脸验证（Face Verification）：1:1 问题，判断"这张照片是不是某人"；
- 人脸识别（Face Recognition）：1:N 问题，判断"这张照片是谁"。
本节中 D 函数解决的是验证问题，而识别通过多次调用验证来实现。
2. 度量学习（Metric Learning）
D 函数本质上是一种度量学习，目标是让同一人的图片在嵌入空间中距离近、不同人的距离远。后续课程中的 Siamese 网络 + Triplet Loss 正是实现这一目标的具体方法。
3. 常见踩坑点
- 阈值 τ 的选择很关键：太小会导致误识别（把不同人判为同一人），太大会导致拒识（把同一人判为不同人）；
- D 的输出必须可比：训练时要保证 D 对不同图片对的输出在同一尺度上；
- 不要用分类思路做人脸识别：这是初学者最常见的误区。
4. 应用场景
- 公司门禁闸机
- 手机人脸解锁
- 机场安检身份核验
- 相册人脸聚类
关键标签 / 关键词
单样本学习 One-shot Learning 人脸识别 Face Recognition 人脸验证 Face Verification 相似度函数 Similarity Function 差异函数 D 阈值 τ Softmax 分类器 卷积神经网络 CNN 度量学习 Metric Learning 吴恩达 深度学习 开集识别 Siamese 网络
生成时间：2026-10-11 00:40:55 生成平台：VideoNote www.xygy.top
