随笔分类 - Deep Learning
摘要：在tensorflow1.8之后的版本中，tensorflow.contrib部分都有tensorrt的组件，该组件存在的意义在于，你可以读取pb文件，并调用tensorrt的方法进行subgraph压缩，其他不能压缩的subgraph依然被tensorflow所处理。这样的操作方式就不同于你生成一
阅读全文
摘要：本文来自《BEGAN: Boundary Equilibrium Generative Adversarial Networks》，时间线为2017年3月。是google的工作。 作者提出一个新的均衡执行方法，该方法与从Wasserstein距离导出的loss相结合，用于训练基于自动编码器的GAN。
阅读全文
摘要：本文来自《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》，时间线为2017年3月。本文算是GAN的一个很大的应用里程点，其可以用在风格迁移，目标形变，季节变换，相片增强等等。 1 引言
阅读全文
摘要：本文来自《Age Progression/Regression by Conditional Adversarial Autoencoder》，时间线为2017年2月。 该文很有意思，是如何通过当前图片生成你不同年龄时候的样子。 假设给你一张人脸（没有告诉你多少岁）和一堆网上爬取的人脸图像（包含不同
阅读全文
摘要：本文来自《Wasserstein GAN》，时间线为2017年1月，本文可以算得上是GAN发展的一个里程碑文献了，其解决了以往GAN训练困难，结果不稳定等问题。 1 引言 本文主要思考的是半监督学习。当我们说学习概率分布，典型的思维是学习一个概率密度。这通常是通过定义一个概率密度的参数化族$(P_{
阅读全文
摘要：本文来自《towards principled methods for training generative adversarial networks》，时间线为2017年1月，第一作者为WGAN的作者，Martin Arjovsky。 下面引用自令人拍案叫绝的Wasserstein GAN 要知
阅读全文
摘要：本文来自《Image-to-Image Translation with Conditional Adversarial Networks》，是Phillip Isola与朱俊彦等人的作品，时间线为2016年11月。 作者调研了条件对抗网络，将其作为一种通用的解决image-to-image变换方法
阅读全文
摘要：本文来自《Generative Visual Manipulation on the Natural Image Manifold》，是大神Jun-Yan Zhu在2016年9月的作品。 0 引言 视觉交流在现在的社会发展中一直处于技术不够强大的现状，比如你想要去商场买个衣服，你想要告知导购衣服的颜
阅读全文
摘要：本文来自《Adversarial Autoencoders》，时间线为2015年11月。是大神Goodfellow的作品。本文还有些部分未能理解完全，不过代码在AAE_LabelInfo,这里实现了文中2.3小节，当然实现上有点差别，其中one-hot并不是11个类别，只是10个类别。 本文提出“对
阅读全文
摘要：本文来自《deep multi-scale video prediction beyond mean square error》，时间线为2015年11月，LeCun等人的作品。 从一个视频序列中预测未来的图像帧涉及到构建一个内部表征，该表征能够对准确对图片帧演化（如图像内容和动态）进行建模。这就是
阅读全文
摘要：本文来自《MobiFace: A Lightweight Deep Learning Face Recognition on Mobile Devices》,时间线为2018年11月。是作者分别来自CMU和uark学校。 0 引言 随着DCNN的普及，在目标检测，目标分割等领域都有不小的进步，然而其
阅读全文
摘要：本文来自《MobileFaceNets: Efficient CNNs for Accurate Real-Time Face Verification on Mobile Devices》，时间线为2018年4月。是北京交通大学和握奇数据公司的作品。 人脸发展至今，效果相比传统方法有了很大的提升，
阅读全文
摘要：本文来自《ArcFace: Additive Angular Margin Loss for Deep Face Recognition》，时间线为2018年1月。是洞见的作品，一作目前在英国帝国理工大学读博。 CNN近些年在人脸识别上效果显著，为了增强softmax loss的辨识性特征学习能力，
阅读全文
摘要：本文来自《L2-constrained Softmax Loss for Discriminative Face Verification》，时间线为2017年6月。 近些年，人脸验证的性能因引入了深度卷积网络而提升很大。一个典型的人脸识别流程就是： 训练一个基于softmax loss的深度卷积网
阅读全文
摘要：本文来自《Large-Margin Softmax Loss for Convolutional Neural Networks》，时间线为2016年12月，是北大和CMU的作品。 0 引言 过去十几年，CNN被应用在各个领域。大家设计的结构，基本都包含卷积层和池化层，可以将局部特征转换成全局特征，
阅读全文
摘要：本文来自《A Discriminative Feature Learning Approach for Deep Face Recognition》，时间线为2016年。采用的loss是Center loss。 0 引言 通常使用CNN进行特征学习和标签预测的架构，都是将输入数据映射到深度特征（最后
阅读全文
摘要：本文来自《FaceNet: A Unified Embedding for Face Recognition and Clustering》。时间线为2015年6月。是谷歌的作品。 0 引言 虽然最近人脸识别领域取得了重大进展，但大规模有效地进行人脸验证和识别还是有着不小的挑战。Florian Sc
阅读全文
摘要：人脸识别，大致可以分为以下四个步骤： 人脸检测：从图片中准确定位到人脸，并以矩形框将其裁剪出来； 人脸矫正（对齐）： 检测到的人脸，可能角度不是很正，需要使其对齐，比如旋转，缩放； 特征提取：对矫正后的人脸进行特征提取，现在做法通常都是基于一个CNN模型； 人脸比对：对两张人脸图像提取的特征向量进行
阅读全文
摘要：本文来自《DSFD: Dual Shot Face Detector》，时间线为2018年10月，是南理工Jian Li在腾讯优图实验室实习时候的作品。在WIDER FACE，FDDB上效果也超过了PyramidBox和SRN。 0 引言 最近在比赛上拿到最好成绩的人脸检测模型大致可以分成2类： 基
阅读全文
摘要：本文来自《PyramidBox: A Context-assisted Single Shot Face Detector》，是来自百度的作品，时间线为2018年8月。 0 引言 最近基于锚的检测框架都是为了检测无约束条件下难检测的人脸，比如WIDER FACE，SSH，$S^3FD$等等都提出了尺
阅读全文