- 博客(1)
- 资源 (6)
- 收藏
- 关注
原创 阅读A Discriminative Feature Learning Approach for Deep Face Recognition
What: 对于分类任务来说,最后预测的是一个联合概率。 打个比方:[1,0,0,1],[0,1,1,0]我可以预测为同一类。只要用[1,0,1,0]的filter。卷积和都是1,没毛病。 但是我们发现一个问题。 这两个虽然是同一类,但是特征完全不同。也就是说,如果我们拿CNN中间的特征出来,也可能发现这种乌龙事件。 虽然分类效果很好,但是中间层的特征并不是按我们预想的那样分布的。 为了解决这个问题,常见的方案是 contrastive loss 和 triplet loss。作者则提出了一个center
2016-11-21 20:52:11 2308 3
ZhedongZheng_图文双向检索_图文互搜.pdf
TOMM2020 Dual-Path Convolutional Image-Text Embedding Zhedong Zheng
2020-12-30
ACM-MM-Talk 无人机演讲.pdf
University-1652: A Multi-view Multi-source Benchmark for Drone-based Geo-localization 发表于 ACM Multimedia 2020
2020-12-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人