问题
人脸识别算法包括两种类别，一种是给定一张图片，再给一个id，输出该图片是否是该id匹配的对；另一种是给一个数据库，再给一张图片，如果这个图片在数据库中有匹配，找出该匹配，如果没有输出不存在
siamese网络
siamese通过神经网络对图片进行编码，编码函数描述为$f(x^i)$， 输出一个特征向量，比如128维的张量
有两种办法判断两幅图片是否是同一张图片
每张图片分别通过siamese网络，分别得到特征向量$f(x^1)$和$f(x^2)$, 计算两者之间的欧式距离$d=||f(x^1)-f(x^2)||^2$，如果欧氏距离超过$\tau$,则判断为他们不是同一张图片，如果欧式距离小于$\tau$, 则判断为同一张图片；
还有一种办法是一步完成，在网络里对两者的特征向量做逻辑回归，即做二分类，如果两幅图为相同人则为1，不相同则为0
triplet loss
从数据集中选三个图片A(anchor), P(positive), N(negative), 其中anchor和positive是同一张图片，anchor和negative是不同的图片，计算anchor和positive的距离$d(A, P)$, negative和positive的距离$d(d(A, N))$, 我们的目的是使$d(A, P)$尽可能的小，$d(A, N)$尽可能大，用如下公式衡量loss：
$L=max \lbrace( d(A, P) -d(A, N) + \alpha), 0 \rbrace$
一次学习
在人脸识别问题中，如果数据库中有人员新增或者离开，就必须重新训练数据，这就比较麻烦，必须学习一次，siamese就是一次学习，即one-shot问题