姚路遥遥-CSDN博客

原创【注意力机制】CBAM详解（文末附代码）

论文题目：《CBAM: Convolutional Block Attention Module》论文地址：https://arxiv.org/pdf/1807.06521.pdf1. 前言论文（2018年）提出了一种轻量的注意力模块( CBAM，Convolutional Block Attention Module )，可以在通道和空间维度上进行 Attention 。论文在 ResNet 和 MobileNet

2021-03-10 21:56:46 147608 34

原创【人脸识别】FaceNet详解

论文题目：《FaceNet: A Unified Embedding for Face Recognition and Clustering》论文地址：FaceNet1、概述 FaceNet（A Unified Embedding for Face Recognition and Clustering）直接把输入图像变成欧式空间中的特征向量，两个特征向量间的欧式距离就可以用来衡量两者之间的相似度。可以用在人脸验证、识别和

2021-02-28 02:48:08 21622

原创【轻量级网络】MobileNet-v2详解

论文：《Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification, Detection and Segmentation》论文链接：https://arxiv.org/abs/1801.04381前文链接：MobileNet-v1详解– 概述 MobileNet-v2的主要思想就是在v1的基础上引入了线性瓶颈 (Linea

2020-12-20 15:56:47 29349 1

原创【Debug记录】[libprotobuf FATAL google/protobuf/stubs/common.cc:83] This program was compiled against

debug: [libprotobuf FATAL google/protobuf/stubs/common.cc:83]

2024-04-15 11:42:05 399

原创【自监督学习】对比学习（Contrastive Learning）介绍

我们知道，标注数据总是有限的，就算ImageNet已经很大，但是很难更大，那么它的天花板就摆在那，就是有限的数据总量。NLP领域目前的经验应该是：自监督预训练使用的数据量越大，模型越复杂，那么模型能够吸收的知识越多，对下游任务效果来说越好。这可能是自从Bert出现以来，一再被反复证明的真理，如果它不是唯一的真理，那也肯定是最大的真理。

2023-03-15 00:44:58 11662 2

原创【机器学习】什么是监督学习、半监督学习、无监督学习、自监督学习以及弱监督学习

注：其实现在很多论文里对自监督和无监督已经不做区分。

2023-03-14 22:48:55 2836

原创【数据结构与算法】数据结构有哪些？算法有哪些？

数据结构与算法中的数据机构有哪些？算法有哪些？

2023-03-05 19:04:44 945

原创【人脸识别】DDL：数据分布知识蒸馏思想，提升困难样本（遮挡、低分辨率等）识别效果

DDL：数据分布知识蒸馏思想，提升困难样本（遮挡、低分辨率等）识别效果

2023-02-27 23:38:48 761

原创【人脸识别】RVFace详解

人脸识别算法RVFace详解

2023-02-27 17:51:04 516

原创【人脸识别】FROM：提升遮挡状态下的人脸识别效果

FROM：提升遮挡状态下的人脸识别效果

2023-02-26 22:29:57 2727 3

原创【人脸识别】CurricularFace：自适应课程学习人脸识别损失函数

【人脸识别】CurricularFace：自适应课程学习人脸识别损失函数

2023-02-25 16:15:52 1530

原创【知识蒸馏】知识蒸馏（Knowledge Distillation）技术详解

知识蒸馏综述

2023-02-24 17:13:32 24117 1

原创【数据结构与算法】十大经典排序算法图文详解及Python代码实现

十大经典排序算法图文详解及python代码实现

2023-02-21 00:51:08 347

原创【人脸检测】Yolov5Face：优秀的one-stage人脸检测算法

Yolov5Face：优秀的one-stage人脸检测算法

2023-02-18 15:06:09 3059

原创【人脸识别】Partial-FC：让你在一台机器上训练1000万个id人脸数据集成为可能！

Partial-FC：让你在一台机器上训练1000万个id人脸数据集成为可能！

2023-02-15 19:06:22 1081

原创【人脸检测】RetinaFace：one-stage人脸检测算法

RetinaFace：人脸检测算法

2023-02-08 15:08:47 906

原创【人脸识别/轻量级模型】VarGFaceNet：适用于人脸识别的轻量级网络模型（文末附代码）

VarGFaceNet：适用于人脸识别的轻量级网络模型

2023-02-07 10:37:26 1634 3

原创【人脸识别/轻量级模型】MobileFaceNet：适用于人脸识别的轻量级网络模型（文末附pytorch代码）

MobileFaceNet：用于人脸识别的轻量级网络模型

2023-02-06 19:22:03 4747 4

原创【Debug记录】RuntimeError: Expected to have finished reduction in the prior iteration before starting

Debug记录

2023-01-30 17:01:07 498

原创【Debug记录】跑YOLOv5时报错：AssertionError: Image Not Found

跑YOLOv5时报错：AssertionError: Image Not Found

2022-12-14 17:00:10 2154

原创【Debug记录】跑YOLOv5时报错AttributeError: Can‘t get attribute ‘SPPF‘ on ＜module ‘models.common‘ from ‘D:\\P

运行YOLOv5时报错：AttributeError: Can't get attribute 'SPPF' on

2022-12-14 16:52:05 1473

原创【Debug记录】pytorch转onnx报错：[ CUDALongType{1} ]) of traced region did not have observable data dependenc

[ CUDALongType{1} ]) of traced region did not have observable data dependence with trace inputs; this probably indicates your program cannot be understood by the tracer

2022-12-12 21:18:22 974

原创【Debug记录】AssertionError: Default process group is not initialized

AssertionError: Default process group is not initialized

2022-12-12 21:12:28 506

原创【Debug记录】Pytorch搭建神经网络时报错‘NotImplementedError’

raise NotImplementedError

2022-12-12 19:58:28 1254 2

原创【人脸识别】MVFace：一个优于CosFace和ArcFace的人脸识别损失

一个优于CosFace和ArcFace的人脸识别损失：MVface。MVFace可以自适应地重点关注误分类的特征向量，以此指导判别性特征学习。这也是首次将特征margin的优点和特征挖掘的优点集中在一个统一的损失函数里面。

2022-12-05 00:08:47 1150

原创【人脸识别】ElasticFace：基于Cosface和ArcFace改进的弹性Margin loss

cosface和arcface等常用的人脸识别损失都是使用固定的margin。这样的学习目标对于具有不一致的类间和类内变化的真实数据是不现实的，这可能会限制人脸识别模型的判别性和泛化性。 ElasticFace提出弹性惩罚margin loss 来放松固定惩罚margin约束，该损失允许灵活地推动类可分离性。主要思想是在每次训练迭代中利用从正态分布中抽取的随机margin。这旨在为决策边界提供extract and retract的机会，以便为灵活的类可分离性学习留出空间。

2022-12-04 23:05:35 1155

原创【人脸识别】Octuplet Loss：一个可以提高低分辨率和跨分辨率人脸识别效果的损失

论文提出的八元组损失只需要在现有的模型上进行微调就可以显着改进众多流行数据集上的跨分辨率和低分辨率人脸验证效果，同时在高分辨率图像上保持类似的性能。

2022-12-04 16:31:37 972

原创【图像分类损失】Encouraging Loss：一个反直觉的分类损失

Encouraging Loss：一个反直觉的分类损失

2022-12-03 23:23:29 808

原创【图像分类损失】PolyLoss：一个优于 Cross-entropy loss和Focal loss的分类损失

受如何逼近函数的启发，通过泰勒展开，提出了一个名为PolyLoss的简单算法来将损失函数设计为多项式函数的线性组合。PolyLoss可以让Polynomial bases（多项式基）的重要性很容易地根据目标任务和数据集进行调整，同时也可以将交叉熵损失和Focal loss作为PolyLoss的特殊情况。实验结果表明，PolyLoss 中的最优选择确实是取决于任务和数据集。**只需引入一个额外的超参数并添加一行代码**，PolyLoss在多种任务上效果都明显优于交叉熵损失和Focal Loss。

2022-12-03 21:59:53 1286

原创【图像分类】SimLoss：一个适合于年龄估计的分类损失

基于交叉熵损失（cross- entropy）改进的适用于年龄估计的图像分类损失--SimLoss

2022-12-03 00:48:17 1430 1

原创【学习率预热】Warm up

1.什么是warm up Warmup是在ResNet论文中提到的一种学习率预热的方法，它在训练开始的时候先选择使用一个较小的学习率，训练了一些epoches或者steps(比如4个epoches,10000steps),再修改为预先设置的学习来进行训练。2.为什么使用warm up 由于刚开始训练时,模型的权重(weights)是随机初始化的，此时若选择一个较大的学习率,可能带来模型的不稳定(振荡)，选择Warmup预热学习率的方式，可以使得开始训练的几个epoches或者一些steps内学习率

2021-11-24 15:42:03 824

原创 Keras.metrics中的accuracy总结

1) accuracy该accuracy就是大家熟知的最朴素的accuracy。比如我们有6个样本，其真实标签y_true为[0, 1, 3, 3, 4, 2]，但被一个模型预测为了[0, 1, 3, 4, 4, 4]，即y_pred=[0, 1, 3, 4, 4, 4]，那么该模型的accuracy=4/6=66.67%。2) binary_accuracybinary_accuracy和accuracy最大的不同就是，它适用于2分类的情况。从上图中可以看到binary_accuracy的计算除了y

2021-11-12 21:30:16 861

空空如也

空空如也