在近幾年來，人工智慧技術越來越蓬勃發展，應用領域也相當廣泛，不管商業、娛樂、醫學等都能看見其身影，與人類的生活產生密不可分的連結。其中類神經網路的發展最廣為注目，而影像辨識正是最受歡迎的應用。尤其人臉辨識是近年來的研究熱潮。
而人臉辨識通常是以CNN實現，因其辨識方式為分類法，會將未知人臉判別成已知人臉的其中之一。還有為了使人臉辨識系統符合邊緣計算，需在本地設備當中加入嵌入式系統，先行在本地設備收集與分析資料。但因為邊緣計算是具備低成本的設備，計算能力與儲存容量會受限制，故希望能夠找到降低功率以及降低面積的方法進行陌生人臉辨識。
根據以上所敘述的困難，本論文選擇使用Siamese Neural Network來實現陌生人臉辨識，以及整合二進制類神經網路(BNN)，將權重二元化之後，便能減少參數量、降低所佔的硬體電路面積。還有因為FPGA具有靈活性，研究者可以根據實際應用上的不同需求，來建構所需的硬體模組，所以選擇以FPGA來實現陌生人臉辨識系統。

[1] Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems (pp. 1097-1105).

[2] Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2016). Edge computing: Vision and challenges. IEEE internet of things journal, 3(5), 637-646.

[3] Zhou, Y., Redkar, S., & Huang, X. (2017, August). Deep learning binary neural network on an FPGA. In 2017 IEEE 60th International Midwest Symposium on Circuits and Systems (MWSCAS) (pp. 281-284). IEEE.

[4] Courbariaux, M., Hubara, I., Soudry, D., El-Yaniv, R., & Bengio, Y. (2016). Binarized neural networks: Training deep neural networks with weights and activations constrained to+ 1 or-1. arXiv preprint arXiv:1602.02830.

[5] Zhu, S., Dong, X., & Su, H. (2019). Binary ensemble neural network: More bits per network or more networks per bit?. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 4923-4932).

[6] Ioffe, S., & Szegedy, C. (2015). Batch normalization: Accelerating deep network training by reducing internal covariate shift. arXiv preprint arXiv:1502.03167.

[7] 謝斯宇. (2019). 基於臉部偵測及 CNN 模型之硬體臉部辨識系統. 臺灣師範大學資訊工程學系學位論文.

[8] Koch, G., Zemel, R., & Salakhutdinov, R. (2015, July). Siamese neural networks for one-shot image recognition. In ICML deep learning workshop (Vol. 2).

[9] 張茗雅. (2019). 低面積 BWNN 積體電路設計及應用於人臉辨識之研究. 臺灣師範大學資訊工程學系學位論文, 1-51.

[10] 王德揚. (2020). 基於單類別識別辨識應用於身分認證之研究. 臺灣師範大學資訊工程學系學位論文.