학습목표

• 얼굴 인식이 어떻게 이진 분류 문제로 바로 표현되는 법을 배운다.

핵심키워드

• 얼굴 인식 (face recognition)
• 얼굴 검증 (face verification)
• 이진 분류 (binary classification)
• 로지스틱 회귀 (logitstic regression)
  

학습내용

• 샴 네트워크를 훈련 시키는 다른 방법은 인코딩들의 차이를 로지스틱 회귀 유닛에 입력해서 예측을 하면 됩니다.

•  \hat{y} = \sigma \big( \displaystyle \sum_{k=1}^{128} w_i \vert f(x^{(i)})_k - f(x^{(j)})_k \vert + b \big)  ​y​^​​=σ(​k=1​∑​128​​w​i​​∣f(x​(i)​​)​k​​−f(x​(j)​​)​k​​∣+b) 
• 로지스틱의 역할은 두 이미지가 같은 사람인지 아닌지 판단하는 것입니다. 두 인코딩간의 차이는 여러가지 방식으로 구할 수 있습니다.
• 훈련세트도 한 쌍의 이미지로 만듭니다. 같은 사람일 경우 라벨을 1로 지정하고, 다를 경우 0으로 만듭니다.

학습자료