- 博客(7)
- 资源 (1)
- 收藏
- 关注
原创 GoogleNet系列论文学习
[v1] Going Deeper with Convolutions, 6.67% test error, http://arxiv.org/abs/1409.4842 [v2] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift, 4.8% test erro...
2018-02-13 11:30:48 9752
原创 ResNet
论文题目《Deep Residual Learning for Image Recognition》摘要更深的网络往往更难以训练,作者提出了残差学习的框架减轻训练深度网络的难度。作者训练出了152层的神经网络,计算量小于VGG-Net,但网络层数是其8倍。在ILSVRC2015分类任务中,以3.75% top-5 error获得分类第一,同时在ImageNet检测、定位、COCO检测、COCO分割上
2018-02-11 15:58:45 443
原创 SphereFace论文学习
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)。
2018-02-07 14:00:30 6831 3
原创 VGG-Net论文学习
论文题目《VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION》。官网地址 http://www.robots.ox.ac.uk/~vgg/software/vgg_face/摘要本文章重点研究了卷积神经网络的深度对图像分类准确率的影响,作者使用更小的卷积核(3*3),构建了更深的16-19层的分类网络,取
2018-02-03 15:22:54 4674
原创 Large-Margin Softmax Loss for Convolutional Neural Networks
大间隔softmax(Large-margin softmax,L-Softmax)使得学习到的特征分布类内高度内聚、类间距离足够大,同时也使得模型具有一定
2018-02-02 16:30:16 769
原创 COCO Loss
《Rethinking Feature Discrimination and Polymerization for Large-scale Recognition》摘要文章关注大规模的测试类别和开集测试的场景下如何使得提取的图像特征高内聚、低耦合。作者提出了一种coco loss的损失函数,实验结果证明了该损失函数的有效性。
2018-02-02 10:12:01 1439
转载 机器学习之分类器性能指标之ROC曲线、AUC值
转载自:http://blog.csdn.net/zdy0_2004/article/details/44948511 机器学习之分类器性能指标之ROC曲线、AUC值 转载 2015年04月08日 23:01:2
2018-02-01 17:36:10 314
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人