今天我們要學(xué)習(xí)的就是之前提到過的使用深度學(xué)習(xí)進行人臉識別的神經(jīng)網(wǎng)絡(luò)，Siamese network。

其實Siamese跟之前我們所使用的神經(jīng)網(wǎng)絡(luò)在前面的部分都是大致相同的，通過了卷積層，池化層等等進入全連接層。分類類的神經(jīng)網(wǎng)絡(luò)一般會在后面加上一個softmax分類器，輸出它的類別。

但是Siamese在全連接層的最后一層就停止了。

我們會把一張圖片輸入到卷積神經(jīng)網(wǎng)絡(luò)當中，得到一個全連接層，我們就稱這個全連接層是這個圖片的編碼f(x)。（要注意的是：這里的編碼不是指把圖片的像素一個一個解讀出來，而是把它的數(shù)據(jù)處理之后提取的特征做成編碼）

那么假設(shè)我們輸入兩張圖片，我們就會得到兩個f(x)，我們所要做的就是比較兩個f(x)的差異，來判斷兩張圖片是否是同一張圖片。

這里的公式是d(x1,x2)=||f(x1)-f(x2)||，這里的兩個豎代表的是范數(shù)范數(shù)，范數(shù)是某種意義上向量的一個長度，通過長度大小比較可以發(fā)現(xiàn)兩張圖片的差異性。

那么理所當然的，我們可以知道，范數(shù)的差值越小，就能說明這兩張圖越有可能是同一個人，差值越大，則兩張圖越有可能不是同一個人。

下一節(jié)課會講到這個神經(jīng)網(wǎng)絡(luò)的損失函數(shù)。

記

其實吳恩達在卷積神經(jīng)網(wǎng)絡(luò)的課程后部設(shè)計這一個人臉識別的課題是別有用心的，這個課題其實并不是非常的難，用的基本上也是之前學(xué)過的知識。

其實深度網(wǎng)絡(luò)在大部分領(lǐng)域都可以應(yīng)用，哪怕現(xiàn)在我們是一個人只有一張圖片的數(shù)據(jù)庫，我們也可以通過另外一個角度來訓(xùn)練這個模型。（也就是我們可以通過很多人來訓(xùn)練這個模型的差值）

一般來說，不同的應(yīng)用場景，差別就在于輸出端究竟是什么，可以是一個分類，或者是一個編碼，或者是什么別的東西。