- 博客(7)
- 收藏
- 关注
转载 _finddata_t结构体用法
参考博文 https://blog.csdn.net/wangqingchuan92/article/details/77979669
2019-03-12 11:11:37
509
原创 CosFace论文翻译
CosFace: Large Margin Cosine Loss for Deep Face Recognition摘要随着深度卷积神经网络(CNN)的快速发展,人脸识别也取得了巨大的进展。人脸识别的核心任务包括了: 人脸验证(face verification)和人脸身份识别(face identification), 还涉及到人脸特征区分性。然而, 深度卷积神经网络中传统的softmax...
2018-12-29 17:49:14
4566
4
翻译 caffe的Matlab接口使用说明(中文翻译)
以下内容介绍了如何使用Matlab去使用caffe, 翻译自http://caffe.berkeleyvision.org/tutorial/interfaces.html#matlabMatlabcaffe的Matlab接口叫matcaffe, 程序包放在caffe/matlab中,你可以利用它在你的Matlab代码中调用caffe的功能.包括以下:在Matlab中创建多个Nets前...
2018-12-19 16:30:01
3282
转载 行人重识别:SVDNet论文思路详解
转一篇关于SVDNet论文思路进行剖析的博客,理解很到位,值得学习.SVDNet主要思想是在训练过程中加入正交性约束,也即对权重去相关.https://blog.csdn.net/wfei101/article/details/82794428#commentBox...
2018-12-17 11:03:09
469
原创 caffe添加MarginInnerProduct层
人脸识别论文SphereFace提出一种angular softmax loss, 通过约束权重向量W和特征向量的夹角大小关系,来满足同一类的最大类内距离小于不同类的最小类间距离,提高特征的判别能力。论文:SphereFace: Deep Hypersphere Embedding for Face Recognitiongithub:https://github.com/wy1iu/sphe...
2018-12-04 14:23:58
621
翻译 Caffe 数据层参数shuffle实现机制
参考博客:https://blog.csdn.net/guoyilin/article/details/43985089我们都知道,训练网络的时候一般需要随机打乱训练样本数据,因为我们是采用min-batch SGD 方法进行优化的,随机打乱一定程度上可以防止陷入局部最优,有利于网络收敛。而caffe读取数据时是一个batch一个batch顺序读取的,那它到底是用怎样的机制实现shuffle的...
2018-12-03 11:22:05
2000
原创 caffe 加载pretrain model进行finetuning的一些技巧
caffe 学习日记#**caffe 加载pretrain model进行finetuning的一些技巧**对于caffe finetuning的使用可以参考官网教程:http://caffe.berkeleyvision.org/gathered/examples/finetune_flickr_style.html。对于一个网络结构,如果我们有它在一些大数据集(比如imagenet等...
2018-11-13 14:37:17
697
1
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