视频元信息
- 课程：吴恩达深度学习专项课程 · 卷积神经网络（CNN）· 第四周 特殊应用：人脸识别与神经风格迁移
- 本讲主题：人脸验证与二分类（Face Verification and Binary Classification）
- 前置知识：Siamese 网络、Triplet Loss、One-shot Learning
内容摘要（TL;DR）
本讲介绍除 Triplet Loss 之外训练人脸识别网络的另一种方法：将人脸验证直接建模为二分类问题。核心思路是把两张图片经 Siamese 网络得到的编码向量做逐元素差（或卡方相似度），送入逻辑回归单元输出 0/1 判断是否同一人。最后还介绍了一个重要的部署优化技巧——预计算编码，可大幅节省推理计算量。
一、从 Triplet Loss 到二分类：另一种训练思路 [00:00]
上一讲我们用 Triplet Loss 学习人脸识别网络的参数，本讲提供另一种思路。
- Triplet Loss 回顾：通过构造（Anchor, Positive, Negative）三元组，拉近同类距离、推远异类距离来学习编码。
- 本讲新思路：把人脸识别直接形式化为一个二分类问题，用监督学习的方式训练网络。
- 具体做法：取一对图像，分别送入上下两个相同的 Siamese 网络（参数共享/绑定），各自计算出一个编码向量（如 128 维，或更高维），再将两个编码送入一个逻辑回归单元进行预测。
- 标签定义（考点）：
- 输出 1 → 两张图片是同一个人
- 输出 0 → 两张图片是不同的人
理解：Triplet Loss 是"度量学习"思路（学一个好的距离空间），而二分类是"判别式"思路（直接学一个判断函数）。二者目标一致，但优化方式不同。
二、逻辑回归单元到底在做什么？ [00:58]
关键在于：不是直接把两个编码喂给逻辑回归，而是喂入它们的差异特征。
- 输出形式：$\hat{y} = \sigma(\text{某组特征})$，其中 σ 是 Sigmoid 函数。
- 核心技巧：不直接输入两个编码向量，而是计算它们之间的逐元素差异作为特征。
逐元素绝对差公式
$$\sum_{k=1}^{128} \left| f(x^{(i)})_k - f(x^{(j)})_k \right|$$
- 符号说明（重点）：
- $f(x^{(i)})$ 表示图像 $x^{(i)}$ 的编码向量
- 下标 $k$ 表示取该向量的第 $k$ 个分量
- 整体即对两个编码向量做逐元素相减后取绝对值（element-wise difference in absolute value）
- 这 128 个数值就作为特征送入逻辑回归。
- 逻辑回归带有自己的参数 $w_i$ 和 $b$，与普通逻辑回归单元一致，通过对这 128 个特征学习权重，预测两张图是否同一人。
推导：为什么要用"差异"而不是"原编码"？因为人脸验证本质是判断"两张图是否相似"，而相似性天然由差异刻画——差异越小越可能同一人。直接用原编码反而丢失了对比信息。
三、其他变体：卡方相似度 [02:37]
除了绝对差，还有其他计算这两个编码差异的公式。
卡方相似度（Chi-square Similarity）
$$\frac{\left(f(x^{(i)})_k - f(x^{(j)})_k\right)^2}{f(x^{(i)})_k + f(x^{(j)})_k}$$
- 名称来源：希腊字母 χ（chi），故称卡方公式/卡方相似度。
- 出处：这一变体及其他形式在 DeepFace 论文中有探讨（吴恩达前面课程已引用过该论文）。
易错点：卡方公式中分母是两编码之和，需注意避免分母为 0 的数值问题。实际工程中常加一个极小量 ε 防止除零。
拓展：DeepFace 是 Facebook 于 2014 年提出的经典人脸识别工作，是早期将深度学习用于人脸验证的代表性成果之一，其中系统性地比较了多种距离/相似度度量方式。
四、训练设置：输入、输出与参数共享 [03:18]
二分类范式的训练配置总结。
- 训练输入 x：一对图像（a pair of images）。
- 训练输出 y：0 或 1，取决于这对图是相似（同一人）还是不相似（不同人）。
- 网络结构：训练的是 Siamese 网络——上下两个神经网络参数相同/绑定（tied parameters）。
- 即上方网络的参数与下方网络的参数是同一套，反向传播时共同更新。
- 该系统效果很好，是 Triplet Loss 之外的又一可行方案。
理解：参数绑定是 Siamese 网络的核心，保证同一张人脸无论走哪条分支都得到一致的编码，否则比较就失去意义。
五、部署优化技巧：预计算编码 [03:51]
一个能显著加速部署的计算技巧。
场景设定
- 一名员工走到门口，希望门禁自动识别并开门（新图像）。
- 数据库中存有该员工的注册图像（database image）。
朴素做法的问题
- 每次有人来，都要重新计算数据库中每张图的编码，再逐一比较——计算量巨大。
优化方案：预计算（Pre-computation）
- 提前把数据库中所有员工的图像编码算好并存储起来。
- 新员工到来时，只需：
- 用网络计算这一张新图的编码；
- 与预计算好的数据库编码进行比较；
- 据此做出预测 $\hat{y}$。
两大好处（重点）
- 无需存储原始图像——只需存编码向量，节省存储空间。
- 无需每次重复计算——面对大规模员工数据库时，避免对每张库图重复前向传播，显著节省计算量。
预计算技巧同时适用于两种训练范式：
- 二分类方法（本讲）
- Triplet Loss 方法（上一讲）
只要最终需要"新图 vs 库图"的编码比较，都可预计算库图编码。
思考：这是"训练"与"部署"分离的典型工程思维——训练时关注精度，部署时关注延迟与成本。预计算把 O(N) 的重复计算降为一次计算 + 一次查表比较。
六、总结：把人脸验证当作监督学习 [05:15]
本讲收尾，梳理完整流程。
- 构造训练集：由一对对图像组成（本质是成对的样本），
- 目标标签 = 1：两张图是同一人
- 目标标签 = 0：两张图是不同人
- 训练方式：用这些图像对，通过反向传播训练 Siamese 网络。
- 结论：将人脸验证（并推广到人脸识别）作为二分类问题处理，效果相当好。
- 最终目标：掌握训练自己的人脸验证/人脸识别系统所需的知识，并支持 One-shot Learning（单样本学习）——即只需一张注册图就能识别一个人。
理解：One-shot Learning 是人脸识别的核心需求——不可能为每个新员工重新训练网络，因此必须学到一个"可泛化的相似度度量"，使得面对从未见过的人也能仅凭一张图完成验证。
关键标签 / 关键词
人脸验证 #FaceVerification #二分类 #BinaryClassification #Siamese网络 #TripletLoss #One-shotLearning #逻辑回归 #卡方相似度 #ChiSquare #DeepFace #预计算编码 #参数共享 #吴恩达深度学习 #CNN #人脸识别
生成时间：2026-10-11 00:38:29 生成平台：VideoNote www.xygy.top
