人脸识别和神经风格转换
One shot学习
使用D函数进行一一比对来判断是否是某一个人
siamese network
对人脸图像进行卷积网络最后输出一个128维的向量，然后通过求向量的平方差来判断两张人脸的相似度
triplet loss
三元损失：通过图片数据构造3元结构的训练集：
Anchor->Positive,Anchor->Negative
那么对于以上的两组数据，需要满足：$|f(A)-f(P)|^2-|f(A)-f(N)|^2+\alpha<=0$
即损失函数：$L(A,P,N) = max(|f(A)-f(P)|^2-|f(A)-f(N)|^2+\alpha,0)$
二分类
把两张图片one shot的128维输出，作为逻辑回归的输入,利用反向传播来迭代优化参数
$\hat{y} = \theta(\sum_{k=1}^{128}w_i|f(x^{(i)})_k-f(x^{(j)})_k|+b)$
风格迁移代价函数
风格迁移代价函数由内容代价函数和风格代价函数组成
$J(G)=aJ_{content}(C,G)+bJ_{style}(S,G)$