세 이미지의 관계
학습에서 기준 얼굴인 앵커, 같은 사람의 양성, 다른 사람의 음성을 함께 사용한다. 목적은 앵커와 양성의 거리를 음성과의 거리보다 여유 간격만큼 작게 만드는 것이다. 분류기 중간층을 간접적으로 사용하는 대신 거리 관계에 맞춰 임베딩을 직접 학습한다.
제곱거리의 여유 간격
대표 트리플릿 항은 max(0,d양성²−d음성²+α)다. 제곱거리가 각각 0.3과 0.4이고 α=0.2라면 손실은 0.1이다. 음성 제곱거리가 0.7이면 같은 양성 값에 대한 손실은 0이다. 실제 거리와 제곱거리를 섞으면 여유 간격의 의미가 달라진다.
트리플릿 선택
임의로 뽑은 조합이 이미 충분히 분리돼 있으면 손실이 0이 되어 그 조합에서 학습 신호가 없다. 반대로 지나치게 어려운 조합만 선택하면 학습이 불안정할 수 있다. 온라인 마이닝은 현재 임베딩의 거리 관계를 보고 학습에 사용할 조합을 고른다.
거리 이후의 판단
두 얼굴의 동일 여부는 임베딩 거리와 임계값으로 판단할 수 있고 여러 얼굴은 거리 기반으로 군집화할 수 있다. 임계값을 바꾸면 오인식과 누락의 균형도 바뀐다. 벡터가 가깝다는 것은 학습한 표현에서의 유사성이며 평가 조건과 다른 영상에서의 신원을 항상 확정하는 것은 아니다.