這篇paper提出了一個統一的系統，通過CNN來學習圖檔的歐氏嵌入，在嵌入空間的歐氏距離可以直接和相似度correspond。
和其他方法不同，FaceNet使用triplet loss直接訓練輸出128-D的embedding，triplets組成是兩個matching的face 縮略圖和一個non-matching的縮略圖，縮略圖是對人臉區域的直接crop，沒有2D和3D對齊，而不是縮放和平移。
對于挑選triplet是一件很困難的事，文章提出了線上online篩選negative的政策來訓練網絡，也explore了hard-positive mining techniques。
文章探索了兩種網絡，第一種是ZF-net，包含多種交錯的卷積、非線性激活層，還額外的增加了幾個1*1*d的卷積層。第二種是基于Inception架構，使用混合層來并行的運作不同的卷積和池化操作，再連接配接它們的輸出。
Given模型，最重要的部分是端到端的系統。為此，利用triplet loss來直接學習reflects。從一張圖像x，到一個特征空間R^d,去strive這樣的f(x)，保證在所有的face之間，一個人的歐氏距離很小，不同人之間的歐氏距離很大。
Triplets Loss
注意，生成所有可能的triplets會導緻triplet loss很容易滿足，這些triplets對訓練沒作用而且會導緻收斂變慢，因為它們仍然需要傳過Net。是以，對于選擇hard triplets是至關重要的，它們對于提升model很有作用，下面說下triplets咋選。
Triplets Selection
在整個dataset上去計算argmin和argmax是不可行的，可能導緻 poor training, as mislabelled and poorly imaged faces would dominate the hard positives and negatives. There are two obvious choices that avoid this issue:
- 每n步去離線生成triplets，使用最近的checkpoints，然後計算資料subset的argmax和argmin;
- online生成Triplets，通過在一個mini-batch中選擇hard positive/negative的exemplars。
在這裡focus on online 的篩選，在mini-batch中計算argmax和argmin。
在實驗中,每個mini-batch中的每個圖檔(anchor) around 40個 同類的faces，另外，negative樣例随機加入到mini-batch中。
這裡沒用hardest-positive, we use all anchor-positive pairs in a mini-batch while still selecting the hard negatives. We don’t have a side-by-side comparison of hard anchor-positive pairs versus all anchor-positive pairs within a mini-batch, but we found in practice that the all anchor- positive method was more stable and converged slightly faster at the beginning of training.
文字也說了離線生成triplets的政策，可能允許使用小點的batch size，但沒做實驗。
每次選擇最hard的negative會導緻過早滴陷入局部最優，是以選擇的手段是semi-hard.
這篇文字重點就這些，後續就是用Inception和ZF-Net的訓練過程和結果，實驗結果等。