FaceNet是目前引用量最高的人臉識別方法，沒有用Softmax，而是提出了Triple Loss：

以三元組（a, p, n）形式進行優化，不同類特徵的L2距離要比同類特徵的L2距離大margin m，同時獲得類內緊湊和類間分離。FaceNet用200M訓練資料，僅128維特徵對映，在LFW上達到了99.63%，非常犀利。但程式碼、模型和訓練資料集都沒有開源，三元組選擇極具技巧性，復現非常困難。

學習渠道：

1. 視訊

或者到網易雲課堂觀看（免費） 4.3章

1. 部落格

孿生神經網路（Siamese neural network）：

1. 程式碼

目前開源效果比較好的：Deepface

其中 FaceNet，在LFW(Labeled Faces in the Wild)上達到99.63%準確率(新紀錄)

參考文獻：

1. Taigman Y, Yang M, Ranzato M A, et al. Deepface: Closing the gap to human-level performance in face verification[C]//Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE, 2014: 1701-1708.
2. Schroff F, Kalenichenko D, Philbin J. FaceNet: A unified embedding for face recognition and clustering[J]. 2015:815-823.