随笔分类 - 深度学习
摘要：VarGNet: Variable Group Convolutional Neural Network for Efficient Embedded Computing Abstract 在本文中，我们提出了一种新的用于高效嵌入式计算的网络设计机制。受到有限的计算模式的启发，我们建议固定分组卷积中
阅读全文
摘要：Automatic Face Aging in Videos via Deep Reinforcement Learning Abstract 提出了一种利用深度强化学习方法自动合成视频序列中年龄增长的人脸图像的新方法。该方法在所有视频帧中对给定对象的面部结构和纵向人脸老化过程进行一致性建模。该方法
阅读全文
摘要：Attribute-aware Face Aging with Wavelet-based Generative Adversarial Networks Abstract 由于很难在大范围的年龄跨度内收集同一对象的面部图像，所以现有的大多数面部老化方法都采用非配对数据集来学习年龄映射。然而，未配对
阅读全文
摘要：1.原理 小波变换的计算方法： 1）一维信号： 例如：有a=[5,7,6,8]四个数，并使用b[4]数组来保存结果. 则一级Haar小波变换的结果为: b[0]=(a[0]+a[1])/2, b[2]=(a[0]-a[1])/2 b[1]=(a[2]+a[3])/2, b[3]=(a[2]-a[3]
阅读全文
摘要：GhostNet: More Features from Cheap Operations 1. Introduction 在训练有素的深度神经网络的特征图中，丰富甚至冗余的信息常常保证了对输入数据的全面理解。例如，图1展示了由ResNet-50生成的输入图像的一些特征映射，并且存在许多相似的特征映
阅读全文
摘要：MobileFaceNets: Efficient CNNs for Accurate Real- Time Face Verification on Mobile Devices 该论文简要分析了一下普通的mobile网络用于人脸检测的缺点。这些缺点能够很好地被他们特别设计的MobileFaceN
阅读全文
摘要：⚠️这个方法还可以用在别的地方，比如要判别一个人不同年龄的照片是不是同一个人，这样这里的yaw coefficient参数就是用来调整照片年龄的不同，而不是人脸角度的不同了！！！！！！！！！ Pose-Robust Face Recognition via Deep Residual Equivar
阅读全文
摘要：对这部分不了解的可以看看： 人脸识别和检测中loss学习 - 7 - SphereFace NormFace: L2 Hypersphere Embedding for Face Verification - 1 - 论文学习 人脸识别和检测中loss学习 - 9 - ADDITIVE MARGIN
阅读全文
摘要：该方法通过减法的方式将边际margin参数m引入softmax中，cosθ - m 原始的softmax loss函数为： f表示的是最后一个全连接层的输出(fi表示的是第i个样本)，Wj表示的是最后全连接层的第j列。WyiTfi被叫做target logit 在A-softmax损失函数中，则是会
阅读全文
摘要：1.错误标记 即标记该图时就已经出错 2.假阴性： 即该图本应该判断正样本的，但是可能因为照片中化妆、带眼镜、人物造型变化比较大或是遮挡等原因导致它被误判为负样本 3.假阳性： 即该图本应该判断负样本的，但是可能因为其与正样本人的五官非常相似，所以被误判为正样本
阅读全文
摘要：可见NormFace: L2 Hypersphere Embedding for Face Verification - 1 - 论文学习
阅读全文
摘要：To sum up, the Cosine Loss[17], vMFMM[21] and our proposed loss functions optimize both features and weights, while the L2-softmax[24] normalizes the
阅读全文
摘要：Abstract 3D Morphable Models (3DMMs)是一种统计模型，它使用一组线性基和更特殊的主成分分析(PCA)来表示面部纹理和形状的变化。采用3DMMs作为统计先验，通过求解非线性最小二乘优化问题，从图像中重建三维人脸。最近，3DMMs被用作训练非线性映射的生成模型。通过深度
阅读全文
摘要：论文下载：http://openaccess.thecvf.com/content_cvpr_2017/papers/Liu_SphereFace_Deep_Hypersphere_CVPR_2017_paper.pdf SphereFace: Deep Hypersphere Embedding
阅读全文
摘要：论文：https://ydwen.github.io/papers/WenECCV16.pdf A Discriminative Feature Learning Approach for Deep Face Recognition 和contrastive loss的作用类似，就是和softmax
阅读全文
摘要：论文链接与数据集下载：VGGFace—-Deep Face Recognition本文主要内容有二： 1）从零开始构建一个人脸识别数据库，一共 2.6M images, over 2.6K people，构建过 程主要是程序实现的，少量人工参与。 2）通过对比各种CNN网络，提出了一个简单有效的CN
阅读全文
摘要：论文地址：Deep Learning Face Representation by Joint Identification-Verification 但是其主要的改进就是： 之前的softmax loss主要是用来增大类间差距，即两个不同类之间的差距 但是对类内差距的影响不大，其实就是希望同一个类
阅读全文
摘要：参考：https://www.jianshu.com/p/7e200a487916 1.什么是softmax softmax是用于分类任务的，其实就是希望最后输出的结果值能在[0,1)之间，且归一化保证所有值的和为1 公式为： 下面的例子明白了为什么使用e次幂做除法了，因为分类其的输出Vi很可能是负
阅读全文
摘要：Abstract 迄今为止，精确度最高的目标探测器是基于R-CNN推广的两阶段方法，其中分类器应用于稀疏的候选对象位置集合。相比之下，对可能的目标位置进行常规、密集采样的单级探测器有可能更快、更简单，但迄今仍落后于两阶段探测器的精度。在这篇文章中，我们研究为什么会这样。我们发现，在高密度探测器的训练
阅读全文
摘要：Abstract 我们为YOLO提供一些更新!我们做了一些小的设计上的改变来使它更好。我们还训练了这个非常棒的新网络。它比上次大了一点，但更准确。不过还是很快的，别担心。在320×320大小图片上， YOLOv3运行22毫秒，结果为28.2 mAP，和SSD一样准确，但比他快三倍。当我们以旧的 0.
阅读全文