sphereface loss=87.33分析

最新推荐文章于 2022-04-13 23:19:16 发布
最新推荐文章于 2022-04-13 23:19:16 发布
阅读量824 收藏
点赞数
分类专栏： 人脸识别之损失函数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Iriving_shu/article/details/79183185
版权

经验

  1. sphereface中由于添加了margin的参数，当margin=4时，训练样本中很多达到优化条件，如下图所示，cos(mx) < cosx，所以会造成 特征的 模增大，模增大则导致log括号里面的数值超过最小float，loss的最大值由FLT_MIN得到，FLT_MIN定义为1.17549435E-38F，这个数字的自然对数正好就是
    -87.3356，算loss时需要取负值，结果就能了87.3356。
    这里写图片描述
Iriving_shu
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Face recognition-Loss Functions
MLlearnerTJ的博客
10-09 921
Face rescognition-Loss Functionssoftmax(Deepface-oxford，DeepID系列)每个人为一类，总共n+1类。收敛后的网络可以用于提取待测试集合的人脸特征，再在该特征基础上训练分类器（SVM、联合贝叶斯、knn等）, 缺陷是区分力度不够，受限于close-set，对于open-set的泛化性不够。一般的解决办法如deepid是网络只用作提取特征，后续再
SphereFace论文学习
cdknight_happy的专栏
02-07 6846
论文 《SphereFace: Deep Hypersphere Embedding for Face Recognition》 代码： https://github.com/wy1iu/sphereface摘要论文主要是针对开集的人脸识别任务，在超球面上做到特征分布高内聚、低耦合。作者提出了一种新的损失函数，叫做angular softmax(A-Softmax)。
CenterLoss Softmax sigmoid
weixin_39965184的博客
07-02 170
Center Loss 讲解地址： https://www.cnblogs.com/carlber/p/10811396.html https://blog.csdn.net/u014380165/article/details/76946339 论文链接：http://ydwen.github.io/papers/WenECCV16.pdf 代码链接：https://github.com/pangyupo/mxnet_center_loss 需要指出的是C是一个batch中，网络到达某一层对于一个i类的
人脸识别loss系列推导过程及演变
无名份的浪漫2018
08-10 601
人脸识别网络结构 一般的人脸识别网络，在使用的时候，只包括了上图中feature及其上面的部分。输入经过人脸检测以及对齐的待识别图片，经过CNN后得到这个图片相应的特征（feature），通过特征间的比对来判断个人信息。性能良好的人脸识别网络是可以令同一个人的不同图片输出类似的特征，而属于不同人的图片会输出差异较大的特征，目前通常判断两个特征是否相识，是通过计算两者的余弦距离来确定，也就是...
sphereface v2
keyanxiaocaicai的专栏
09-25 982
weights = '../train/code/v2/sphereface_model_v2_iter_3000.caffemodel'; fold    ACC ---------------- 1    99.17% 2    99.00% 3    99.17% 4    99.50% 5    99.00% 6    99.33% 7    98.83% 8    9
大学生感恩方式的调查与分析 (2012年)
05-14
共发放问卷300份，剔除作答规律以及未填写个人信息的问卷，获得有效问卷262份，总有效率为87.33%。问卷数据经SPSS11.0管理和分析。结果显示：受测大学生在受到帮助时绝大多数倾向于向对方表达感恩，但是面对不同的...
leetcode中文版-Leetcode_summary:一起刷题吧！
06-29
leetcode中文版 Leetcode总结 HELLO，这里是Kevinlee21， 本开源项目用于总结自己和小伙伴刷leetcode算法题，...87.33% 面试题29 Easy / 暂无 6/5 94.55% 128 Medium 暂无 6/6 76.01% 面试题46 Medium 6/9 74.65% 9 E
杉木二代林微量元素积累的动态特征1) (2009年)
05-10
对广西南丹山口林场3个不同林龄(8、11和14...8、11和14年生杉木人工林林分微量元素的积累量分别为9.834、11.450和16.694 kg・hm-2，其中，乔木层微量元素积累量占总积累量为74.14％～87.33％，林下植被占2.98％～9.40％
sphereface loss不收敛分析
qq_33824968的博客
07-22 677
1：lr 从1e-2 ~ 1e-5 2：weight_decay = 1e-2 ~ 1e-4 没有作用 3：怕是sphereface出了问题，把最后一层的fc层，改成了原有的Linear，结果还是不好。最后改了loss （cross_entorpy）函数还是不对 4:考虑resnet101的预训练模型不对，发现确实是原有模型 5：考虑加载数据问题，将原来的初始大小由299改为了200 ...
SphereFace: A-Softmax Loss
小花生的博客
05-06 3259
《SphereFace: Deep Hypersphere Embedding for Face Recognition》 2017，Weiyang Liu et al. A-softmax loss(angular softmax loss) 源码：https://github.com/wy1iu/sphereface 参考：https://blog.csdn.net/qq_14845119/...
CosFace、SphereFace以及ArcFace的Loss函数训练MINST数据集
qaz2883383的博客
04-13 1885
我的玩具
为什么使用交叉熵代替二次代价函数_ArcFace，CosFace，SphereFace，三种人脸识别算法的损失函数(Loss Function)的设计...
weixin_39986435的博客
11-20 641
最近看了点人脸识别算法，发现ArcFace，CosFace，SphereFace的损失函数(Loss Function)设计得非常有意思，且设计理念都是相似的，因此今天就记一篇损失函数的设计。 ArcFace，出自英国帝国理工。文章全名是：ArcFace: Additive Angular Margin Loss for Deep Face Recognition。 ...
浅谈人脸识别中的loss 损失函数
热门推荐
liguiyuan的博客
04-17 1万+
在人脸识别中，算法的提高主要体现在损失函数的设计上，损失函数会对整个网络的优化有着导向性的作用。我们看到许多常用的损失函数，从传统的softmax loss到cosface, arcface 都有这一定的提高，这篇文章自己就来整理下这几个算法。 无论是SphereFace、CosineFace还是ArcFace的损失函数，都是基于Softmax loss来进行修改的。 Base l...
人脸识别-SphereFace
Iriving_shu的博客
10-08 2101
简介文章来源CVPR2017。核心思想是修改SoftmaxLoss来增大类间角度距离。 文章地址：https://arxiv.org/abs/1704.08063 代码地址：https://github.com/wy1iu/spherefaceSoftmaxLoss首先回忆一下softmax。对于二分类的情况，softmaxloss产生的后验概率为： 由最大似然原则，使用如下公式作为los
SphereFace: Deep Hypersphere Embedding for Face Recognition
wutongyutt的博客
11-02 649
继center loss之后的又一巨作，不断学习，不断进步。 center loss 和本文的主要目都是缩小类内距离，扩大类间距离，实现人脸识别。Deep Learning Face Representation by Joint Identification-Verification 这篇文章也是相似的目的。center loss一文与传统方法的不同是联合使用了center loss和soft
人脸识别--SphereFace: Deep Hypersphere Embedding for Face Recognition
AI小作坊 的博客
08-18 7059
SphereFace: Deep Hypersphere Embedding for Face Recognition CVPR2017 https://github.com/wy1iu/sphereface针对人脸识别问题，当前的损失函数基本都基于 Euclidean margin ，这里我们提出基于 angular margin 的 angular softmax (A-Softmax) l
关于各个loss的理解－－持续更新
weixin_30852419的博客
04-01 1799
关于loss的理解， 首先就是推公式，其次还是推公式，公式理解了，那么其他的也就理解了 1 softmax 2 bceloss 3 mseloss 4 n1loss 5 sphereloss .................................... 先说softmax的理解 转载于:https://www.cnblogs.com/lllcccddd/p/106...
pytorch版本sphereface的原作者地址：https://github.com/clcarwin/sphereface_pytorch 由于接触深度学习不久，所以花了较长时间来阅读源码，以
邹小驴
07-24 1918
#-*- coding:utf-8 -*- from __future__ import print_function import torch import torch.nn as nn import torch.optim as optim import torch.nn.functional as F from torch.autograd import Variable torch.b...
人脸识别：PairLoss
shuzfan的专栏
05-28 6279
本次介绍的人脸识别方法，其核心贡献就是如何加快相似度的学习速度，这里所谓的相似度和一般意义上的Triplet Loss很像，即：相同身份的人脸距离较近，不同身份的人脸距离较远。方法来源于： 《arxiv：Learning a Metric Embedding for Face Recognition using the Multibatch Method》 Introduction 很多人脸识别
一年一度的校园好声音进行了激烈的决赛环节，8位评委对入围的6名选手给出了最终的评分（见下表）。请根据评分表，将每位选手的得分去掉一个最高分和一个最低分后求平均分，并按照平均分由高到低的顺序输出选手编号和最后得分。
最新发布
05-25
根据题意，我们需要先计算出每位选手去掉一个最高分和一个最低分的得分之和，...因此，按照平均分由高到低的顺序输出选手编号和最后得分为：1（90.67）、4（87.33）、2（86.67）、5（87.00）、3（86.00）、6（84.00）。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值