根据我的观察和很少的经验，大多数 ML 项目似乎都是关于分类的。照片上有癌症迹象吗？图片是汽车、鲸鱼还是香蕉？等等。
我需要实现一个人脸识别模型。不是检测/识别，而是识别：拥有同一个人的两张不同照片，我的模型应该确定照片中是否描绘了同一个人。
我想使用带有卷积网络的 Tensorflow 来实现这一点。我读过这篇论文：http: //ydwen.github.io/papers/WenECCV16.pdf并且中心损失看起来很有希望。你怎么看？关于该问题是否有任何值得关注的新想法/论文/实施？
我也在 MachineLearning reddit（https://www.reddit.com/r/MachineLearning/comments/8cysrx/d_what_are_the_stateoftheart_models_for/）上问了这个问题，并获得了与 FaceNet 实现的有用链接，也在这里尝试:)
编辑：深度人脸识别： arxiv 2018 年 4 月 18 日上的新调查看起来像是对人脸相关任务方法的最佳调查:)。
除了 Facenet，还有一些方法可以很好地查看您打算让您的系统知道多少张面孔 - 也就是有一个网络可以直接输出它是哪个面孔的网络（~<10K），而不是一个特征用于聚类的地图（~ 10k 到 100K），或比较任何 2 个面（~ > 100K） - 下面是每个方法的示例......
这篇论文刚出来： Exploring Disentangled Feature Representation Beyond Face Identification-2018 -Reported Accuracy 99.816。使用类似编码器-解码器的方案来计算人脸的特征。然后给定您计算过的所有面，进行聚类以找出哪些是相同的面（TSNE - 特征空间中的距离）。这篇论文很酷，因为它还给出了每个人脸的特征，比如“微笑”，这些用于增强搜索。沿着类似的路线是这样的
在此之前（Facenet 除外） - DeepFace - 准确度 97.35。它的 facebook 库。如果它对他们来说是最先进的，那么它对我来说就足够了。方法给定两张图像，将它们放入连体网络中，首先进行检测，然后对人脸进行 3d 建模，然后投影到 2d 特征图，然后结合标签说明它们是否是同一个人。
通过多模态深度人脸表示实现稳健的人脸识别- 2016，报告的准确度为 98.43。这很有趣，因为他们在相对较小的数据集（CASIA WebFace）上进行了训练。然而，这最后一层是数据集中的身份数量 - 因此，如果您想像 facebook 那样识别数百万个身份，这可能是一个限制因素。否则，这看起来最容易实现/混乱。
使用分层多标签匹配器的基于补丁的人脸识别- 不确定这里发生了什么，但看起来很有趣。
我认为对您来说另一个限制因素是每张脸有多少示例 - 例如，您是否有 4K 身份和 400 万张图像，如 Facebook 数据集，或 10k 身份和 50 万张图像（CASIA WebFace），或 LFW 大约 5K身份和约 15k 图像。