emma1222的博客

量化方案综述这篇文章提出了一种量化神经网络到INT8的通用解决方案，包括量化后精度损失，通过training scheme来弥补精度等。主要包含三点：提出一种通用的量化方案，同时量化weight和activation 提出弥补量化后精度损失的训练方案 在MobileNet上实验以证明其有效性IAO算法实现过程1.过程综述对量化的实现是通过把常见操作转换为等价的八位版本达到...

Quantize Model是一种模型加速（Model Acceleration）方法。背景介绍目前SOTA（State Of The Art，顶尖水平）的CNN都不适合在移动设备上部署，两点原因使CNN模型压缩和加速领域快速发展：从AlexNet开始，CNN都以ImageNet上的分类准确率作为性能评估的主要甚至唯一标准，这使得CNN架构的发展都没有考虑模型复杂度和计算效率问题。...

本文相对应的代码请见:https://github.com/Emma0118/CosFace_Adaptive_S_11.Scale Parameter S在Margin Based Classification为基础的人脸识别算法中，有两个重要的超参数 S, M。S: 是一种特征缩放因子。最早在L2-Softmax[5]中提出，在进行了feature L2 normalize之后，...

本文是对MTCNN进行人脸关键点检测和对齐的原理的描述，具体代码请见：https://github.com/Emma0118/preprocessing-images-for-Face-Recognition一、概述MTCNN(Multi-task Cascaded Convolutional Networks)是 一种多任务级联卷积神经网络，用以同时处理人脸检测和人脸关键点定位问题。作者...

MS-Celeb-1MTraining dataset, contains 10M images in version 1, is the largest publicly available one in the world https://www.microsoft.com/en-us/research/project/ms-celeb-1m-challenge-recognizing...

1.原理与训练目前只初步完成算法在VGG_face2数据集上的训练，训练误差在30个epoch之内可以降到0.005以下。算法基于triple loss， 训练的目的是使组内的距离尽可能的小，组间的距离尽可能的大。距离的计算采用squared L2 norm。 找出所有的三元组合是一个很大的工作量。所以在实现的过程中，我们在positive中选择一个最不像的，在negative中...