我想训练一个神经网络，从图像中提取一组（128个）人脸特征。

这些特征是测量诸如眼睛之间的距离，或左眼中间与嘴巴中间点的距离等数值。

我需要这些来找到两张脸之间的差异：通过分析一张照片，我将能够判断它是否是Jhon的照片。

我开始研究时使用了这个链接，其中提到：研究人员发现，最准确的方法是让计算机自己决定要收集哪些测量数据。

好的，所以网络的输出是一个包含128个数字的数组，我会使用某种公式来调整权重，使输出数字尽可能准确。

我应该使用什么作为输入？我的输入节点会是三张照片，就像这篇文章中那样，我将基于照片之间的比较来提取特征吗？

回答：

我的第一个想法是建议你使用像Openface这样的库，它已经用大量的人脸训练过，并且具有你需要的相同128维度的人脸表示。

然而，你提到你想自己训练。我建议你开始研究一下连体神经网络（Siamese Neural Networks）。连体神经网络接收一对图像（真实对 – 例如来自同一个人的图像；冒名顶替对 – 例如来自不同人的图像），并试图学习一种相似性/差异性度量（也称为度量学习）。这对于学习人脸嵌入非常有用，因为你的目标似乎与此相关。它们基本上是学习一种将输入图像映射到“有利于比较”的表示的方法。其他实现（如OpenFace）使用三元嵌入进行训练，其中你接收到的是一个三元组（两个相似的和一个不相似的）。

这里有一些关于开始使用连体网络的参考资料：

• 签名识别（有点旧但有助于理解它们）：https://papers.nips.cc/paper/769-signature-verification-using-a-siamese-time-delay-neural-network.pdf
• 用于人脸嵌入的连体网络：http://yann.lecun.com/exdb/publis/pdf/chopra-05.pdf
• 三元嵌入论文：https://arxiv.org/pdf/1503.03832.pdf

请记住，训练这些架构相当困难，因为选择最佳的图像对是问题中非常重要且具有挑战性的一部分。一篇提到了一些关于创建图像对的挑战但与人脸无关的论文是这篇。

希望这对你有帮助！