- 博客(6)
- 收藏
- 关注
RSS订阅原创 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