# FEAR(怖れ)、HAPPY(喜び)、SUPRISE(驚き) # ANGRY(怒り)、NEUTRAL(無表情)、DISGUST(嫌悪)、SADNESS(悲しみ) ['FE', 'HA', 'SU', 'AN', 'NE', 'DI', 'SA'] (KRさん, 怖)、(KRさん、怒)、(KRさん、喜)、(NMさん、怖)、(NMさん、怒)...という特徴ベクトルから、特徴変換の演算によって KRさんの特徴ベクトル、NMさんの特徴ベクトル、"怖れ"の特徴ベクトル、"怒り"の特徴ベクトルを取り出すのが目標 損失関数 今回は、TripletLossを利用して、 明示的に同一人物・同表情は近く、別人物・別表情は遠くにする学習を行う -> 画像データが多くあれば、暗黙的にも学習が可能? Deep Metric Learning の定番⁈ Triplet Lossを徹底解説(解説記事) class
![顔画像で試す画像特徴ベクトルの足し算引き算 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/5cdeff06534164b08331176199454899304e02d5/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUU5JUExJTk0JUU3JTk0JUJCJUU1JTgzJThGJUUzJTgxJUE3JUU4JUE5JUE2JUUzJTgxJTk5JUU3JTk0JUJCJUU1JTgzJThGJUU3JTg5JUI5JUU1JUJFJUI0JUUzJTgzJTk5JUUzJTgyJUFGJUUzJTgzJTg4JUUzJTgzJUFCJUUzJTgxJUFFJUU4JUI2JUIzJUUzJTgxJTk3JUU3JUFFJTk3JUU1JUJDJTk1JUUzJTgxJThEJUU3JUFFJTk3JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz03Mjk3MjE1MGNiNzNiNThlOTc3ZmNlY2ExNzdkYjNhZg%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBLVGFza24mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTU2MmRhMGU0YTQzZTk4ZGI2OTkyNDljNWU0Yjg1NmVh%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Db11481d929f6ab2e78aadb6810ca1dbe)