接Tensorflow的图像操作
度量学习
- 什么是度量问题？
对于人脸匹配可以i分为1:1和1:N。对于1:1的情况，我们可以采用分类模型，也可以采用度量模型。如果这两个1它们是同一个物体，在表示成特征向量的时候，这两个特征向量理论上是完全一样的两个特征向量，这两个特征向量的距离就是0。如果不同的两个向量，它们的距离可能就是∞。对于1:N的问题，主要就是采用度量的方法。比方说A和B同类，A和C不同类，则A和B的相似性大于A和C的相似性。我们在这里讨论的主要就是距离，如何去衡量两个向量之间的距离，这个距离我们将它定义为相似度。如果A和B的相似性达到了一定的程度，这时候我们就可以认为A和B是同类物体。基于这样一个前提，我们就可以去完成人脸度量以及去完成人脸识别。
距离的度量有非常多的方法，上图是几个比较具有代表性的方法。欧式距离可以参考机器学习算法整理 中的介绍。
马氏距离可以看作是欧氏距离的一种修正，公式为
，其中Σ是多维随机变量的协方差矩阵。如果协方差矩阵是单位向量，也就是各维度独立同分布，马氏距离就变成了欧式距离。
