centerloss系列文章笔记——人脸识别：A Discriminative Feature Learning Approach forDeep Face Recognition

最新推荐文章于 2024-04-25 17:49:20 发布
最新推荐文章于 2024-04-25 17:49:20 发布
阅读量2.6k 收藏 3
点赞数 1
文章标签： 人脸识别 机器学习 计算机视觉 centerloss
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/dreamer_on_air/article/details/77622048
版权
本文探讨了在人脸识别中，CenterLoss与Softmax Loss的结合使用，旨在增强模型的泛化能力。CenterLoss通过让同类特征更聚集，提高识别准确性。文章分析了CenterLoss的计算方法，包括在mini-batch内估算类中心，并引入超参数alpha来处理采样问题。实验结果显示，即使在小数据集上，结合CenterLoss也能显著提升效果。此外，还提出了将其他统计型损失函数整合到训练中，以及使用cosine距离替代欧式距离的可能性。
摘要由CSDN通过智能技术生成

人脸识别：A Discriminative Feature Learning Approach forDeep Face RecognitionYandong Wen, Kaipeng Zhang, Zhifeng Li*, Yu QiaoShenzhen Institutes of Advanced Technology, CAS, ChinaThe Chinese University of Hong Kong, Hong Kong, China

人脸识别通常用的损失函数有softmax loss，CONTRASTIVE loss，triplet loss，分别利用类间、pair间、类内外的监督信息来训练模型，这篇paper主要是和softmax loss对比，在softmax基础上增加一个center loss。softmax loss和center loss的区别如下：

意思就是centerloss除了把feature变得可分之外，还会让同类feature变得更聚拢，因此可以对没有见过的样本有更好的泛化能力。具体的公式如下：

最低0.47元/天 解锁文章
迷途中一个小书童
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
(center loss)A Discriminative Feature Learning Approach for Deep Face Recognition
chenaxin的博客
06-13 461
论文地址：http://dl.icdst.org/pdfs/files1/c8edf1770d6ac7f5415f8daef7fb9bce.pdf 代码：https://github.com/ydwen/caffe-face 摘要   卷积神经网络(CNNs)在计算机视觉领域得到了广泛的应用，极大地提高了最先进的技术水平。在现有的网络神经网络中，大部分使用softmax损失函数作为监督信号来训练深度模型。为了提高深度学习的特征的识别能力，本文提出了一种新的人脸识别监督信号，称为中心损失。具体来说，中心损失同
人脸识别 - A Discriminative Feature Learning Approach for Deep Face Recognition
liuheng0111的博客
10-28 1270
A Discriminative Feature Learning Approach for Deep Face Recognition  ECCV 2016 code: https://github.com/ydwen/caffe-face 本文针对人脸识别问题，针对 loss function提出了加入 center loss，使得学习到地 深度特征更加 discriminati
ECCV A Discriminative Feature Learning Approach for Deep Face Recognition
E01114255的专栏
11-02 2266
A Discriminative Feature Learning Approach for Deep Face Recognition 主要思想:   是一种metric learning的思想，本文提出在原有的网络结构上加入center loss，仅改变原有的损失层，使得网络容易训练和优化网络。本文同时使用softmax loss and center loss两种监督信号，把softma
A Discriminative Feature Learning Approach for Deep Face Recognition, ECCV16.
_menglan_Zi
10-29 3264
A Discriminative Feature Learning Approach for Deep Face Recognition, ECCV16. 论文：http://ydwen.github.io/papers/WenECCV16.pdf 代码（caffe）：https://github.com/kpzhang93/caffe-face 代码（mxnet）：https://gith
A Discriminative Feature Learning Approach for Deep Face Recognition - 人脸识别 - Center Loss
kebijuelun的博客
11-19 981
Paper name A Discriminative Feature Learning Approach for Deep Face Recognition Paper Reading Note URL: https://ydwen.github.io/papers/WenECCV16.pdf TL;DR Introduction Dataset/Algorithm/Model/Exper...
文献阅读 - A Discriminative Feature Learning Approach for Deep Face Recognition
Always On The Way
05-22 1456
A Discriminative Feature Learning Approach for Deep Face Recognition Y. Wen, K. Zhang, Z. Li, & Y. Qiao, A Discriminative Feature Learning Approach for Deep Face Recognition, ECCV, 2016 摘要 （1）中心...
人脸识别“A Discriminative Feature Learning Approach for Deep Face Recognition”
cv_family_z的博客
01-22 254
Source code: https://github.com/ydwen/caffe-face FaceNet: https://github.com/davidsandberg/facenet 相关的blog：https://blog.csdn.net/dongfang1984/article/details/53337195 摘要：提出了centor loss用于增强特征的可分辨性，c...
A Discriminative Feature Learning Approach for Deep Face Recognition 原理及在caffe实验复现
热门推荐
dongfang1984的博客
11-25 1万+
本文主要讲centerloss 的原理，及其创新点。然后用caffe 跑自己的数据（CASIA-WebFace | MsCelebV1-Faces-Aligned） Reference paper：A Discriminative Feature Learning Approach for Deep Face Recognition ECCV:2016 github:https
A Discriminative Feature Learning Approach for Deep Face Recognition
breeze21的博客
01-03 2172
Yandong Wen1, Kaipeng Zhang1, Zhifeng Li1(B), and Yu Qiao1,2 1 Shenzhen Key Lab of Computer Vision and Pattern Recognition, Shenzhen Institutes of Advanced Technology, CAS, Shenzhen, China yandongw@andrew.cmu.edu, {kp.zhang,zhifeng.li,yu.qiao}@siat.ac.cn 2
deepcnn人脸识别center loss（discriminative feature learning）
05-22
Convolutional neural networks (CNNs) have been widely used in computer vision community, significantly improving the state-ofthe- art. In most of the available CNNs, the softmax loss function is used as the supervision signal to train the deep model. In order to enhance the discriminative power of the deeply learned features, this paper proposes a new supervision signal, called center loss
Center Loss: A Discriminative Feature Learning Approach for Deep Face Recognition（论文阅读笔记）（2016ECCV）
sinat_41942180的博客
06-28 1667
摘要 卷积神经网络(CNNs)在计算机视觉领域得到了广泛的应用，极大地提高了计算机视觉领域的技术水平。在现有的神经网络中，大多采用softmax损失作为监督信号来训练模型。为了提高对深度学习特征的识别能力，提出了一种新的人脸识别监控信号——center loss。具体来说，center loss同时学习每个类的深度特征中心，并惩罚深度特征与其对应的类中心之间的距离。更重要的是，我们证明了该中心损失函数在神经网络中是可训练的，易于优化。通过对softmax loss和center loss的联合监督，我.
《A Discriminative Feature Learning Approach for Deep Face Recognition》阅读笔记
最新发布
AncilunKiang的博客
04-25 694
卷积神经网络（CNNs）在计算机视觉领域被广泛使用，显著提高了现有技术水平。在大多数可用的CNNs中，softmax 损失函数被用作训练深层模型的监督信号。为了增强深度学习特征的判别力，本文为人脸识别任务提出了一种新的监督信号，称为中心损失。具体来说，中心损失同时学习每个类深层特征的中心，并惩罚深层特征与其对应类别中心之间的距离。更重要的是，我们证明了所提出的中心损失函数在 CNNs 中是可训练且易于优化的。
论文阅读笔记：Center Loss: A Discriminative Feature Learning Approach for Deep Face Recognition
ProYH
07-13 1266
论文阅读笔记：Center Loss: A Discriminative Feature Learning Approach for Deep Face Recognition 本文主要包含如下内容：   论文地址   代码地址   参考博客 论文阅读笔记：Center Loss: A Discriminative Feature Learning Approach for De...
A Discriminative Feature Learning Approach for Deep Face Recognition 论文笔记
Jayxbx的博客
05-29 707
0 摘要        卷积神经网络已被广泛应用于计算机视觉领域，显着改善了最先进的技术。在大多数可用的CNN中，使用softmax loss（作为监督信号）训练深度模型。为了增强深度学习特征的判别力，本文提出了一种新的监督信号，称为center loss，用于人脸识别任务。具体而言，center loss为每个类（在人脸模型中，一个类就对应一个人）指定了...
论文笔记 | A Discriminative Feature Learning Approach for Deep Face Recognition
你的益达
06-11 505
出处：ECCV 2016 论文：https://kpzhang93.github.io/papers/eccv2016.pdf 代码：https://github.com/ydwen/caffe-face 摘要： 在大多数可用的CNN中，softmax损失函数被用作训练深度模型的监督信号。为了提高深度学习特征的判别力，本文提出了一种新的监督信号，称为center loss。中心损失同时学习每个类别...
【人脸识别】A Discriminative Feature Learning Approach for Deep Face Recognition
I am what i am
10-24 770
一、理解 1、核心思想 2、论文效果 3、总结 二、原文翻译 1、abstract 卷积神经网络目前广泛应用于计算机视觉领域，明显地提高了state-of-the-art。在大多数可用的CNNs中，softmax损失函数被用作监督信号以训练深度模型。为了提高深度学习特征的判别能力，这篇论文为人脸识别任务提出一个新的监督信号，成为center loss。特别的，center loss同时学习每个类...
[论文阅读] A Discriminative Feature Learning Approach for Deep Face Recognition (Center Loss)
weixin_30699465的博客
12-23 138
原文：A Discriminative Feature Learning Approach for Deep Face Recognition 　　用于人脸识别的center loss。 1）同时学习每个类的深度特征的中心点 2）对深度特征和其对应的类中心的距离有一定的惩罚 　　提出的center loss函数在CNN中可以训练并且很容易优化。 　　联合softma...
深度人脸识别：中心损失提升特征区分性
本文主要探讨了一种针对深度人脸识别的区分性特征学习方法（Discriminative Feature Learning Approach）。随着卷积神经网络（Convolutional Neural Networks, CNNs）在计算机视觉领域的广泛应用，特别是在人脸识别...
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