- 博客(3)
- 收藏
- 关注
原创 CenterFace核心笔记
CenterFace核心笔记牛先生AI牛先生AI今天Overview·将人脸检测问题转换为中心点的预测问题·人脸对齐一块儿做,人脸关键点检测效果良好·模型结构轻量化,非常适合在各种计算资源有限的嵌入式设备使用。·在各个数据集上取得了state-art-art 效果效果描述对比各个人脸检测器在FDDB数据集上的结果差异,CenterFace与更重的人脸检测器(S3FD)没有明显差异。对比各个人脸检测器在WIDERFACE数据集上的结果差异,C...
2021-02-07 11:39:43 277
原创 GroupFace
近几年,人脸识别的研究方向大多在改进loss,从而来提升人脸识别的精度。Cvpr2020的这一篇group face别出心裁,采用改进网络结构定义的方式来提升了识别的精度,并且在各大数据集上刷新了记录。首先来说一下group face最核心的贡献点在哪里?通过改进网络结构的方式,引进特征分组并且学习特征分组,本质就是引入了额外的监督信息。LFW的指标已经几乎达到极限,来看一下CALFW和CPLFW以及CFP的数据集性能。可以看到都得到了一定的提升。首先来看一下group face的...
2021-02-01 21:05:34 341
原创 Circle loss
Circle loss 主要有以下亮点可以做相关的详细描述。首先第一点circle loss是基于triplet loss,改进而来的一种新型的loss定义。它的改进点在于,原本triplet loss对于正负样本采用平均用力的方式进行优化。使得在模型收敛的时候,对于正负样本的区分力度不够。Circle loss 在正负样本对加入了一个权重,控制正负样本对各自的梯度贡献,最后就可以得到一个更有区分力度的模型。随后第二点,circle loss 在实现的过程中,同样借鉴了arc fac...
2021-01-30 22:24:00 6292
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