- 博客(6)
- 收藏
- 关注
原创 网络加速之mobilenetV1
简介mobilenet是google发布的手机端的网络的结构,其目的是从结构上减少网络参数,加速网络运行,这方面的文章还有shufflenet, condenset。创新点depthwise separable(深度分分离卷积) 引入参数进行通道和feature map调整深度可分离卷积mobilenet实现加速的核心部分就是使用深度可分离卷积进行加速。传统的卷积方式是卷积核对所有输入的fea
2018-01-28 15:14:16 1120
原创 sphereface loss=87.33分析
经验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
2018-01-27 20:56:41 881
原创 loss函数之margin改进方法
最近sphereface人脸方法是目前开源人脸中最有效的方法,通过改进我也获得了lfw acc 99.7%的结果,下面几篇也是对sphereface改进的论文:AM : Additive Margin Softmax for Face VerificationAAM : Face Recognition via Centralized Coordinate LearningArcFace: ArcF
2018-01-27 20:23:56 4681
原创 Caffe之Scale层源码
简介最近要对模型进行压缩使用slimming,因此需要scale层对scale_diff进行L1正则。所以对源码进行了阅读。 公式: y = ax + b。 公式比较简单。上述公式的意思是,对feature map乘以a,并加b。一个feature map共用一个a,因此 a的维度是 c ,这是理解源码的前提。 反向传播: 参数设置message ScaleParameter { opti
2018-01-26 21:57:52 929
原创 人脸检测-SSH: Single Stage Headless Face Detector
简介源码地址:https://github.com/mahyarnajibi/SSH 论文:https://arxiv.org/abs/1708.03979 本文主要介绍一篇论文ssh人脸检测,来自iccv2017。这篇文章并没有采用的是two stage检测的方法,如R-CNN、SPP-NET、Fast R-CNN、Faster R-CNN、R-FCN、Mask RCNN 首先寻找pro
2018-01-26 21:28:23 2079
原创 人脸识别-如何训练tripletloss
简介本篇论文来自猎户星空这家公司 论文地址https://arxiv.org/abs/1709.02940 tripletloss 来自google发表在cvpr2015上的《A Unified Embedding for Face Recognition and Clustering 》。在lfw上acc为99.63%。因此很多都想复现其效果。但据我了解到目前公开出来训练tripletloss
2018-01-01 21:31:55 3388
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人