人臉辨識模型 Google Facenet 介紹與使用 – CH.Tseng

2015年由Google所提出的Facenet，在LFW人臉資料庫以99.63%的最佳成績刷新了記錄，由於其易於理解的演算原理以及應用方便，使得Facenet在眾多競爭者中（如DeepFace、DeepID、Face++…等）異軍突起，成為目前最流行的臉部識別技術。

Google發表的FaceNet就是在這樣的精神下去訓練模型來區別人臉， 也因為Triplet資料的選擇有特別處理，讓這個模型直到現在都還是相當熱門且準確的模型。

第一章: Google Colab使用教學 本專題是以Keras + Google FaceNet來建立一個人臉辨識系統。 所有的實作過程都會在Google Colab上進行。

只要搜尋「我」，即可輕鬆找到有您本人在內的相片。 瞭解自己不同時期身處的地點。 您可以根據有您臉孔的相片位置資訊，回溯自己在人生不同階段去過的地點。 這項功能僅適用於部分地區。 臉部分組功能可能會出錯。 如果發現錯誤，可以提供意見回饋，協助我們改善。 如要提供意見回饋，請選取「提供意見」圖示 。 在電腦上開啟 photos.google.com。 點選頂端的「設定」圖示 。...

什麼是臉部辨識? 此生物辨識技術背後的運作原理又是什麼? 透過本篇文章，了解人臉辨識技術原理、功能、優點與2025年更多相關的臉部辨識應用實例，以及如何建置於雲端與物聯網邊緣運算裝置上。

探索如何使用 Google Colab 和機器學習技術，包括人工神經網路，建構高效且準確的人臉識別系統。 本指南涵蓋了資料準備、模型訓練和結果分析。