摘要: 目前特征向量的比对加速优化能极大缩短比对耗时,改善用户体验。 优化的途径主要有两种,一是使用指令集(SSE,AVX)加速运算。二是使用ANN替代暴力搜索。 乘积量化和倒排索引组合是ANN中效果较好且实用的一种。总体框架分为线下训练字典,线上比对搜索两部分,如下图所示: 相关论文如下: 1.Hervé 阅读全文
posted @ 2019-03-12 20:26 Link_Z 阅读(1231) 评论(0) 推荐(0) 编辑
摘要: 差异特征学习指如何获取差异最小的类内和差异最大的类间特征,这里的差异特征学习可应用的场景包含并不仅限于人脸识别,行人重识别和细粒度识别等。 由于这方面涉及太广和自身能力有限,只结合自己使用经验对关键差异的阐述,且略去基本算法描述。 softmaxloss softmaxloss softmaxlos 阅读全文
posted @ 2018-12-21 11:43 Link_Z 阅读(1511) 评论(0) 推荐(0) 编辑
摘要: 在残差逐渐当道时,google开始研究inception和残差网络的性能差异以及结合的可能性,并且给出了实验结构。 本文思想阐述不多,主要是三个结构的网络和实验性能对比。 Inception-v4, Inception-ResNet and the Impact of Residual Connec 阅读全文
posted @ 2018-12-21 10:52 Link_Z 阅读(1890) 评论(0) 推荐(0) 编辑
摘要: Inception V3根据前面两篇结构的经验和新设计的结构的实验,总结了一套可借鉴的网络结构设计的原则。理解这些原则的背后隐藏的动机比单纯知道这个操作更有意义。 Rethinking the Inception Architecture for Computer Vision 主题:如何高效的增大 阅读全文
posted @ 2018-12-21 10:34 Link_Z 阅读(3649) 评论(0) 推荐(0) 编辑
摘要: BN的出现大大解决了训练收敛问题。作者主要围绕归一化的操作做了一系列优化思路的阐述,值得细看。 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift 深度网络为什么难训 阅读全文
posted @ 2018-12-20 19:33 Link_Z 阅读(8236) 评论(0) 推荐(0) 编辑
摘要: inception系列的开山之作,有网络结构设计的初期思考。 Going deeper with convolutions motivations: 提高模型性能的最直接方式:1.加深(增加层)2.加宽(增加单层的神经元个数) 带来的两个弊端:1.大规模的参数易导致过拟合且需要更多的训练集 2.更多 阅读全文
posted @ 2018-12-20 17:33 Link_Z 阅读(1570) 评论(0) 推荐(0) 编辑
摘要: inception 深度学习网络结构 阅读全文
posted @ 2018-12-20 14:58 Link_Z 阅读(861) 评论(0) 推荐(0) 编辑
摘要: 谷歌工程师:聊一聊深度学习的weight initialization CVPR 2017 李飞飞总结 8 年 ImageNet 历史,宣布挑战赛最终归于 Kaggle 一篇文章搞懂人脸识别的十个概念 Person Re-identification Datasets reID_evaluation 阅读全文
posted @ 2018-08-02 11:54 Link_Z 阅读(168) 评论(0) 推荐(0) 编辑
摘要: Human Semantic Parsing for Person Re-identification Kalayeh M M, Basaran E, Gokmen M, et al. Human Semantic Parsing for Person Re-identification[J]. 2 阅读全文
posted @ 2018-07-26 16:36 Link_Z 阅读(1792) 评论(0) 推荐(1) 编辑
摘要: Beyond Part Models: Person Retrieval with Refined Part Pooling Sun Y, Zheng L, Yang Y, et al. Beyond Part Models: Person Retrieval with Refined Part P 阅读全文
posted @ 2018-07-25 17:16 Link_Z 阅读(1630) 评论(0) 推荐(0) 编辑