1、人脸识别如何做到一次学习
（1）、数据收集：收集包含多个人脸图像的数据集，每个人脸图像都有对应的标签或身份信息。
（2）、图像预处理：对数据集中的每个人脸图像进行预处理，包括图像对齐、去噪、亮度/对比度
调整等。目的是使得每个人脸图像都具有相似的规范化特征
（3）、 特征提取：使用人脸识别算法（如PCA、LDA、DeepFace等）从每个人脸图像中提取人
脸的特征向量。这些特征向量通常是低维度的数值表示，用于表示每个人脸的唯一特征
（4）、特征存储：将每个人脸的特征向量与对应的标签或身份信息一起存储在数据库中，以便后
续的人脸识别任务中使用
（5）、人脸识别：在进行人脸识别时，首先对待识别的人脸图像进行预处理，然后提取其特征向
量。接下来，与数据库中存储的人脸特征向量进行比对，使用相似度度量方法（如欧氏距离、余弦
相似度等）计算待识别人脸与数据库中人脸的相似度。根据相似度，可以判断待识别人脸的身份。
如果放进两个长 相差别很大的人的照片，它就输出一个很大的值。所以在识别过程中，如果这两
张图片的差异值小于某个阈值𝜏
，它是一个超参数，那么这时就能预测这两张图片是同一个人，如
果差异值大于 τ
，就能预测这是不同的两个人，这就是解决人脸验证问题的一个可行办法
2、Siamese 网络（Siamese network）
（1）、如果给定输入图像𝑥 (𝑖)， 这个网络会输出𝑥 (𝑖)的 128 维的编码
（2）、学习参数，使得如果两个图片𝑥 (𝑖)和𝑥 (𝑗) 是同一个人，那么得到的两个编码的距离就小
（3）、如果𝑥 (𝑖)和𝑥 (𝑗)是不同的人，那么它们之间的编码距离大一点
（4）、改变这个网络所有层的参数，会得到不同的编码结果，使用反向传播来改变这些所有的参
数，以确保满足这些条件
