神罗Noctis的博客

论文地址：http://arxiv.org/pdf/1801.07698.pdfArcface v3与Arcface v1的内容有较大不同。建议先阅读Arcface v1 的论文，再看v3。可以参考我之前写的Arcface v1 论文翻译与解读ArcFace: Additive Angular Margin Loss for Deep Face Recognition目录Abs...

论文地址：http://arxiv.org/pdf/1801.07698v1.pdf最新版本v3的论文翻译：Arcface v3 论文翻译与解读Arcface v1 论文的篇幅比较长，花费了本人3天的时间进行翻译解读，希望能够帮助读者更好地理解论文。ArcFace: Additive Angular Margin Loss for Deep Face Recognition目录...

最近几年网络效果的提升除了改变网络结构外，还有一群人在研究损失层的改进，这篇博文要介绍的就是较为新颖的center loss。center loss来自ECCV2016的一篇论文：A Discriminative Feature Learning Approach for Deep Face Recognition。论文链接：http://ydwen.github.io/papers/WenE...

这个得从2016年说起，2016年有两篇文章（Center Loss和Large Margin Softmax）首次给出了softmax损失函数的可视化图像，人们才知道原来特征的分布是长这个样子的：于是就开始了各种研究了，有把特征变细的：有让特征向各自类中心收缩的：有把特征投影到球上的：总之把特征可视化之后，人们发现特征原来是呈这种放射型分布的，而放射型分布就可以从...

近期，人脸识别研究领域的主要进展之一集中在了Softmax Loss的改进之上；在这里中，旷视研究院（上海）（MEGVII Research Shanghai）从两种主要的改进方式-做归一化以及增加类间的余量-展开梳理，介绍了基于Softmax的Loss的研究进展。目录引言 SOFTMAX简介 归一化（归一化） 权重归一化 特征归一化 增加类间角距 总结参考文献[ ...

SphereFace: Deep Hypersphere Embedding for Face Recognition文章目录SphereFace: Deep Hypersphere Embedding for Face Recognition Abstract 摘要 1. Introduction 1.介绍 2. 相关工作 3. Deep Hypersphere Emb...