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