FaceNet 使用一种新颖的损失度量（triplet loss）来训练模型以输出嵌入（论文中的 128-D），这样任何两个相同身份的人脸都将有一个小的欧几里德距离，并且任何两个不同的人脸身份将具有大于指定边距的欧几里得距离。但是，它首先需要另一种机制（HOG 或 MTCNN）来从图像中检测和提取人脸。

这个想法可以扩展到物体识别吗？也就是说，是否可以使用对象检测框架（例如 MaskR-CNN）来提取对象的边界框，裁剪对象并将其馈送到经过三重损失训练的网络，然后比较对象的嵌入以查看它们是否'是同一个对象吗？

是否有任何已经完成的研究或任何已发布的公共数据集？