other
江南小赣
这个作者很懒,什么都没留下…
展开
-
论文笔记 | A Discriminative Feature Learning Approach for Deep Face Recognition
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...原创 2019-06-11 15:52:09 · 508 阅读 · 0 评论 -
论文笔记 | FaceNet: A Unified Embedding for Face Recognition and Clustering
出处:CVPR 2015论文:https://arxiv.org/abs/1503.03832代码:https://github.com/davidsandberg/facenet摘要: 在本文中,提出了FaceNet,它直接学习从 face images 到 compact Euclidean 欧几里德空间的映射,其中距离直接对应于人脸相似度。一旦生成了这个空间,使用FaceNet嵌入...原创 2019-06-11 23:10:46 · 365 阅读 · 0 评论 -
论文笔记 | Large-Margin Softmax Loss for Convolutional Neural Networks
出处:ICML 2016论文:http://proceedings.mlr.press/v48/liud16.pdf代码:https://github.com/luoyetx/mx-lsoftmax摘要:交叉熵损失与softmax一起可以说是卷积神经网络(CNN)中最常用的监督组件之一。 尽管该组件具有简单性,流行性和出色的性能,但并未明确鼓励对功能进行辨别性学习。 本文提出了一个广义的l...原创 2019-06-12 11:25:02 · 685 阅读 · 0 评论 -
论文笔记 | Hardness-Aware Deep Metric Learning
出处:CVPR 2019论文:https://arxiv.org/abs/1903.05503代码:https://github.com/wzzheng/HDML摘要:本文介绍了一种Hardness-Aware Deep Metric Learning(HDML)框架。 大多数先前的度量学习方法采用困难负样本挖掘策略来减轻缺乏信息的训练样本。 然而,该挖掘策略仅利用训练数据的子集,这可能不...原创 2019-08-19 16:31:36 · 1681 阅读 · 0 评论 -
论文笔记 | mixup: BEYOND EMPIRICAL RISK MINIMIZATION
出处:ICLR 2018论文:https://arxiv.org/abs/1710.09412一、前言深度学习一直以来存在计算量大(落地困难)和模型过拟合的问题。为了解决过拟合问题,从模型本身和数据这两个方面着手,提出了很多有效的方法。数据增强(Data Argumentation)则是从数据层面解决过拟合,提高模型的泛化性(generalization),通用的数据增强方法有:随机裁切、...转载 2019-08-23 14:28:57 · 705 阅读 · 0 评论