One-shot learning

神经网络只需要学习一个函数d

d（img1, img2） = degree of difference between imags

d将输出两张图片的差异，如果有新人加入，则不需要重新训练网络，只需要用新人的照片与数据库中的去作比较

如果输出的差异小于某个阈值，则判断为是同一个人

Siamese network

输入是一张图片，输出是一个向量，这个向量就代表了这个图片，且向量为函数d 的输入

通过将两张图片的向量输入的函数d，就能算出两者的差异

因此，只需训练一个统一的网络用以输出向量即可

三元组损失

一个有很多组的数据集，其中每一组是有三张图片，分别用A P N表示

其中A和P是同一个人

训练的目的就是使|f(A) - f(P)|^2   - |f(A) - f(N)|^2 + k <= 0， k是一个超参数，目的是让同一个人图片与不同人图片的差异尽量大

规范化式子为 max(|f(A) - f(P)|^2   - |f(A) - f(N)|^2 + k, 0)   即使式子接近或等于0