【導(dǎo)讀】在深度學(xué)習(xí)出現(xiàn)后，人臉識別技術(shù)才真正有了可用性。這是因為之前的機(jī)器學(xué)習(xí)技術(shù)中，難以從圖片中取出合適的特征值。輪廓？顏色？眼睛？如此多的面孔，且隨著年紀(jì)、光線、拍攝角度、氣色、表情、化妝、佩飾掛件等等的不同，同一個人的面孔照片在照片象素層面上差別很大，憑借專家們的經(jīng)驗與試錯難以取出準(zhǔn)確率較高的特征值，自然也沒法對這些特征值進(jìn)一步分類。
深度學(xué)習(xí)的最大優(yōu)勢在于由訓(xùn)練算法自行調(diào)整參數(shù)權(quán)重，構(gòu)造出一個準(zhǔn)確率較高的f(x)函數(shù)，給定一張照片則可以獲取到特征值，進(jìn)而再歸類。
本文中筆者試圖用通俗的語言探討人臉識別技術(shù)，首先概述人臉識別技術(shù)，接著探討深度學(xué)習(xí)有效的原因以及梯度下降為什么可以訓(xùn)練出合適的權(quán)重參數(shù)，最后描述基于CNN卷積神經(jīng)網(wǎng)絡(luò)的人臉識別。
一、人臉識別技術(shù)概述
人臉識別技術(shù)大致由人臉檢測和人臉識別兩個環(huán)節(jié)組成。
之所以要有人臉檢測，不光是為了檢測出照片上是否有人臉，更重要的是把照片中人臉無關(guān)的部分刪掉，否則整張照片的像素都傳給f(x)識別函數(shù)肯定就不可用了。人臉檢測不一定會使用深度學(xué)習(xí)技術(shù)，因為這里的技術(shù)要求相對低一些，只需要知道有沒有人臉以及人臉在照片中的大致位置即可。一般我們考慮使用OpenCV、dlib等開源庫的人臉檢測功能（基于專家經(jīng)驗的傳統(tǒng)特征值方法計算量少從而速度更快），也可以使用基于深度學(xué)習(xí)實現(xiàn)的技術(shù)如MTCNN（在神經(jīng)網(wǎng)絡(luò)較深較寬時運(yùn)算量大從而慢一些）。
在人臉檢測環(huán)節(jié)中，我們主要關(guān)注檢測率、漏檢率、誤檢率三個指標(biāo)，其中：
• 檢測率：存在人臉并且被檢測出的圖像在所有存在人臉圖像中的比例；
• 漏檢率：存在人臉但是沒有檢測出的圖像在所有存在人臉圖像中的比例；
• 誤檢率：不存在人臉但是檢測出存在人臉的圖像在所有不存在人臉圖像中的比例。
當(dāng)然，檢測速度也很重要。本文不對人臉檢測做進(jìn)一步描述。
在人臉識別環(huán)節(jié)，其應(yīng)用場景一般分為1:1和1:N。
1：1就是判斷兩張照片是否為同一個人，通常應(yīng)用在人證匹配上，例如身份證與實時抓拍照是否為同一個人，常見于各種營業(yè)廳以及后面介紹的1:N場景中的注冊環(huán)節(jié)。而1:N應(yīng)用場景，則是首先執(zhí)行注冊環(huán)節(jié)，給定N個輸入包括人臉照片以及其ID標(biāo)識，再執(zhí)行識別環(huán)節(jié)，給定人臉照片作為輸入，輸出則是注冊環(huán)節(jié)中的某個ID標(biāo)識或者不在注冊照片中?？梢?，從概率角度上來看，前者相對簡單許多，且由于證件照通常與當(dāng)下照片年代間隔時間不定，所以通常我們設(shè)定的相似度閾值都是比較低的，以此獲得比較好的通過率，容忍稍高的誤識別率。
而后者1：N，隨著N的變大，誤識別率會升高，識別時間也會增長，所以相似度閾值通常都設(shè)定得較高，通過率會下降。這里簡單解釋下上面的幾個名詞：誤識別率就是照片其實是A的卻識別為B的比率；通過率就是照片確實是A的，但可能每5張A的照片才能識別出4張是A其通過率就為80%；相似度閾值是因為對特征值進(jìn)行分類是概率行為，除非輸入的兩張照片其實是同一個文件，否則任何兩張照片之間都有一個相似度，設(shè)定好相似度閾值后唯有兩張照片的相似度超過閾值，才認(rèn)為是同一個人。所以，單純的評價某個人臉識別算法的準(zhǔn)確率沒有意義，我們最需要弄清楚的是誤識別率小于某個值時（例如0.1%）的通過率。不管1:1還是1:N，其底層技術(shù)是相同的，只是難度不同而已。
取出人臉特征值是最難的，那么深度學(xué)習(xí)是如何取特征值的？
假定我們給出的人臉照片是100*100像素大小，由于每個像素有RGB三個通道，每個像素通道由0-255范圍的字節(jié)表示，則共有3個100*100的矩陣計3萬個字節(jié)作為輸入數(shù)據(jù)。深度學(xué)習(xí)實際上就是生成一個近似函數(shù)，把上面的輸入值轉(zhuǎn)化為可以用作特征分類的特征值。那么，特征值可以是一個數(shù)字嗎？當(dāng)然不行，一個數(shù)字（或者叫標(biāo)量）是無法有效表示出特征的。通常我們用多個數(shù)值組成的向量表示特征值，向量的維度即其中的數(shù)值個數(shù)。特征向量的維度并非越大越好，Google的FaceNet項目（參見https://arxiv.org/abs/1503.03832論文）做過的測試結(jié)果顯示，128個數(shù)值組成的特征向量結(jié)果最好，如下圖所示：
那么，現(xiàn)在問題就轉(zhuǎn)化為怎么把3*100*100的矩陣轉(zhuǎn)化為128維的向量，且這個向量能夠準(zhǔn)確的區(qū)分出不同的人臉？
假定照片為x，特征值為y，也就是說存在一個函數(shù)f(x)=y可以完美的找出照片的人臉特征值?，F(xiàn)在我們有一個f*(x)近似函數(shù)，其中它有參數(shù)w（或者叫權(quán)重w）可以設(shè)置，例如寫成f*(x;w)，若有訓(xùn)練集x及其id標(biāo)識y，設(shè)初始參數(shù)p1后，那么每次f*(x;w)得到的y`與實際標(biāo)識y相比，若正確則通過，若錯誤則適當(dāng)調(diào)整參數(shù)w，如果能夠正確的調(diào)整好參數(shù)w，f*(x;w)就會與理想中的f(x)函數(shù)足夠接近，我們就獲得了概率上足夠高準(zhǔn)確率的f*(x;w)函數(shù)。這一過程叫做監(jiān)督學(xué)習(xí)下的訓(xùn)練。而計算f*(x;w)值的過程因為是正常的函數(shù)運(yùn)算，我們稱為前向運(yùn)算，而訓(xùn)練過程中比較y`與實際標(biāo)識id值y結(jié)果后，調(diào)整參數(shù)p的過程則是反過來的，稱為反向傳播。
由于我們傳遞的x入?yún)吘故且粡堈掌掌扔袑?、光線、角度等導(dǎo)致的不太容易衡量的質(zhì)量問題，也有本身的像素數(shù)多少問題。如果x本身含有的數(shù)據(jù)太少，即圖片非常不清晰，例如28*28像素的照片，那么誰也無法準(zhǔn)確的分辨出是哪個人?？梢韵胍?，必然像素數(shù)越多識別也越準(zhǔn)，但像素數(shù)越多導(dǎo)致的計算、傳輸、存儲消耗也越大，我們需要有根據(jù)地找到合適的閾值。下圖是FaceNet論文的結(jié)果，雖然只是一家之言，但Google的嚴(yán)謹(jǐn)態(tài)度使得數(shù)據(jù)也很有參考價值。
從圖中可見,排除照片其他質(zhì)量外,像素數(shù)至少也要有100*100（純?nèi)四槻糠郑┎拍鼙ＷC比較高的識別率。
二、深度學(xué)習(xí)技術(shù)的原理
由清晰的人臉照轉(zhuǎn)化出的像素值矩陣，應(yīng)當(dāng)設(shè)計出什么樣的函數(shù)f(x)轉(zhuǎn)化為特征值呢？這個問題的答案依賴于分類問題。即，先不談特征值，首先如何把照片集合按人正確地分類？這里就要先談?wù)剻C(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)認(rèn)為可以從有限的訓(xùn)練集樣本中把算法很好地泛化。所以，我們先找到有限的訓(xùn)練集，設(shè)計好初始函數(shù)f(x;w)，并已經(jīng)量化好了訓(xùn)練集中x->y。如果數(shù)據(jù)x是低維的、簡單的，例如只有二維，那么分類很簡單，如下圖所示：
上圖中的二維數(shù)據(jù)x只有方形和圓形兩個類別y，很好分，我們需要學(xué)習(xí)的分類函數(shù)用最簡單的f(x,y)=ax+by+c就能表示出分類直線。例如f(x,y)大于0時表示圓形，小于0時表示方形。
給定隨機(jī)數(shù)作為a,c,b的初始值，我們通過訓(xùn)練數(shù)據(jù)不斷的優(yōu)化參數(shù)a,b,c，把不合適的L1、L3等分類函數(shù)逐漸訓(xùn)練成L2，這樣的L2去面對泛化的測試數(shù)據(jù)就可能獲得更好的效果。然而如果有多個類別，就需要多條分類直線才能分出，如下圖所示：
這其實相當(dāng)于多條分類函數(shù)執(zhí)行與&&、或||操作后的結(jié)果。這個時候還可能用f1>0 && f2<0 && f3>0這樣的分類函數(shù)，但如果更復(fù)雜的話，例如本身的特征不明顯也沒有匯聚在一起，這種找特征的方式就玩不轉(zhuǎn)了，如下圖所示，不同的顏色表示不同的分類，此時的訓(xùn)練數(shù)據(jù)完全是非線性可分的狀態(tài)：
這個時候，我們可以通過多層函數(shù)嵌套的方法來解決，例如f(x)=f1(f2(x))，這樣f2函數(shù)可以是數(shù)條直線，而f1函數(shù)可以通過不同的權(quán)重w以及激勵函數(shù)完成與&&、或||等等操作。這里只有兩層函數(shù)，如果函數(shù)嵌套層數(shù)越多，它越能表達(dá)出復(fù)雜的分類方法，這對高維數(shù)據(jù)很有幫助。例如我們的照片毫無疑問就是這樣的輸入。所謂激勵函數(shù)就是把函數(shù)f計算出的非常大的值域轉(zhuǎn)化為[0,1]這樣較小的值域，這允許多層函數(shù)不斷地前向運(yùn)算、分類。
前向運(yùn)算只是把輸入交給f1(x,w1)函數(shù)，計算出的值再交給f2(y1,w2)函數(shù)，依次類推，很簡單就可以得到最終的分類值。但是，因為初始的w權(quán)重其實沒有多大意義，它得出的分類值f*(x)肯定是錯的，在訓(xùn)練集上我們知道正確的值y，那么事實上我們其實是希望y-f*(x)的值最小，這樣分類就越準(zhǔn)。這其實變成了求最小值的問題。當(dāng)然，y-f*(x)只是示意，事實上我們得到的f*(x)只是落到各個分類上的概率，把這個概率與真實的分類相比較得到最小值的過程，我們稱為損失函數(shù)，其值為loss，我們的目標(biāo)是把損失函數(shù)的值loss最小化。在人臉識別場景中，softmax是一個效果比較好的損失函數(shù)，我們簡單看下它是如何使用的。
比如我們有訓(xùn)練數(shù)據(jù)集照片對應(yīng)著cat、dog、ship三個類別，某個輸入照片經(jīng)過函數(shù)f(x)=x*W+b，前向運(yùn)算得到該照片屬于這3個分類的得分值。此時，這個函數(shù)被稱為得分函數(shù)，如下圖所示，假設(shè)左邊關(guān)于貓的input image是一個4維向量[56,231,24,2]，而W權(quán)重是一個4*3的矩陣，那么相乘后再加上向量[1.1,3.2,-1.2]可得到在cat、 dog、ship三個類別上的得分：
從上圖示例可見，雖然輸入照片是貓，但得分上屬于狗的得分值437.9最高，但究竟比貓和船高多少呢？很難衡量！如果我們把得分值轉(zhuǎn)化為0-100的百分比概率，這就方便度量了。這里我們可以使用sigmoid函數(shù)，如下圖所示：
從上圖公式及圖形可知，sigmoid可以把任意實數(shù)轉(zhuǎn)換為0-1之間的某個數(shù)作為概率。但sigmoid概率不具有歸一性，也就是說我們需要保證輸入照片在所有類別的概率之和為1，這樣我們還需要對得分值按softmax方式做以下處理：
這樣給定x后可以得到x在各個類別下的概率。假定三個類別的得分值分別為3、1、-3，則按照上面的公式運(yùn)算后可得概率分別為[0.88、0.12、0]，計算過程如下圖所示：
然而實際上x對應(yīng)的概率其實是第一類，比如[1,0,0]，現(xiàn)在拿到的概率（或者可稱為似然）是[0.88、0.12、0]。那么它們之間究竟有多大的差距呢？這個差距就是損失值loss。如何獲取到損失值呢？在softmax里我們用互熵?fù)p失函數(shù)計算量最?。ǚ奖闱髮?dǎo)），如下所示：
其中i就是正確的分類，例如上面的例子中其loss值就是-ln0.88。這樣我們有了損失函數(shù)f(x)后，怎么調(diào)整x才能夠使得函數(shù)的loss值最小呢？這涉及到微分導(dǎo)數(shù)。
三、梯度下降（上）
梯度下降就是為了快速的調(diào)整權(quán)重w，使得損失函數(shù)f(x;w)的值最小。因為損失函數(shù)的值loss最小，就表示上面所說的在訓(xùn)練集上的得分結(jié)果與正確的分類值最接近！
導(dǎo)數(shù)求的是函數(shù)在某一點(diǎn)上的變化率。例如從A點(diǎn)開車到B點(diǎn)，通過距離和時間可以算出平均速度，但在其中C點(diǎn)的瞬時速度是多少呢？如果用x表示時間，f(x)表示車子從A點(diǎn)駛出的距離，那么在x0的瞬時速度可以轉(zhuǎn)化為：從x0時再開一個很小的時間，例如1秒，那么這一秒的平均速度就是這一秒開出的距離除以1秒，即(f(1+x0)-f(x0))/1。如果我們用的不是1秒而是1微秒，那么這個1微秒內(nèi)的平均速度必然更接近x0時的瞬時速度。于是，到該時間段t趨向于0時，我們就得到了x0時的瞬時速度。這個瞬時速度就是函數(shù)f在x0上的變化率，所有x上的變化率就構(gòu)成了函數(shù)f(x)的導(dǎo)數(shù)，稱為f`(x)。即：
從幾何意義上看，變化率就變成了斜率，這更容易理解怎樣求函數(shù)的最小值。例如下圖中有函數(shù)y=f(x)用粗體黑線表示，其在P0點(diǎn)的變化率就是切線紅線的斜率：
可以形象的看出，當(dāng)斜率的值為正數(shù)時，把x向左移動變小一些，f(x)的值就會小一些；當(dāng)斜率的值為負(fù)數(shù)時，把x向右移動變大一些，f(x)的值也會小一些，如下圖所示：
這樣，斜率為0時我們其實就得到了函數(shù)f在該點(diǎn)可以得到最小值。那么，把x向左或者向右移一點(diǎn)，到底移多少呢？如果移多了，可能移過了，如果移得很少，則可能要移很久才能找到最小點(diǎn)。還有一個問題，如果f(x)操作函數(shù)有多個局部最小點(diǎn)、全局最小點(diǎn)時，如果x移的非常小，則可能導(dǎo)致通過導(dǎo)數(shù)只能找到某個并不足夠小的局部最小點(diǎn)。如下圖所示：
藍(lán)色的為局部最小點(diǎn)，紅色是全局最小點(diǎn)。所以x移動多少是個問題，x每次的移動步長過大或者過小都可能導(dǎo)致找不到全局最小點(diǎn)。這個步長除了跟導(dǎo)數(shù)斜率有關(guān)外，我們還需要有一個超參數(shù)來控制它的移動速度，這個超參數(shù)稱為學(xué)習(xí)率，由于它很難優(yōu)化，所以一般需要手動設(shè)置而不能自動調(diào)整?？紤]到訓(xùn)練時間也是成本，我們通常在初始訓(xùn)練階段把學(xué)習(xí)率設(shè)的大一些，越往后學(xué)習(xí)率設(shè)的越小。
那么每次移動的步長與導(dǎo)數(shù)的值有關(guān)嗎？這是自然的，導(dǎo)數(shù)的正負(fù)值決定了移動的方向，而導(dǎo)數(shù)的絕對值大小則決定了斜率是否陡峭。越陡峭則移動的步長應(yīng)當(dāng)越大。所以，步長由學(xué)習(xí)率和導(dǎo)數(shù)共同決定。就像下面這個函數(shù)，λ是學(xué)習(xí)率，而∂F(ωj) / ∂ωj是在ωj點(diǎn)的導(dǎo)數(shù)。
ωj = ωj – λ ∂F(ωj) / ∂ωj
根據(jù)導(dǎo)數(shù)判斷損失函數(shù)f在x0點(diǎn)上應(yīng)當(dāng)如何移動，才能使得f最快到達(dá)最小值的方法，我們稱為梯度下降。梯度也就是導(dǎo)數(shù)，沿著負(fù)梯度的方向，按照梯度值控制移動步長，就能快速到達(dá)最小值。當(dāng)然，實際上我們未必能找到最小點(diǎn)，特別是本身存在多個最小點(diǎn)時，但如果這個值本身也足夠小，我們也是可以接受的，如下圖所示：
以上我們是以一維數(shù)據(jù)來看梯度下降，但我們的照片是多維數(shù)據(jù)，此時如何求導(dǎo)數(shù)？又如何梯度下降呢？此時我們需要用到偏導(dǎo)數(shù)的概念。其實它與導(dǎo)數(shù)很相似，因為x是多維向量，那么我們假定計算Xi的導(dǎo)數(shù)時，x上的其他數(shù)值不變，這就是Xi的偏導(dǎo)數(shù)。此時應(yīng)用梯度下降法就如下圖所示，θ是二維的，我們分別求θ0和θ1的導(dǎo)數(shù)，就可以同時從θ0和θ1兩個方向移動相應(yīng)的步長，尋找最低點(diǎn)，如下圖所示：
