A:为了解决一次学习的问题
B:鉴于我们拥有的照片很少,我们需要将它运用到迁移学习中
C:只需要给出一个人的图片就可以让网络认识这个人(PS:对比d,差距小就是同一个人)
D:这可以让我们使用softmax函数来学习预测一个人的身份,在这个单元中分类的数量等于数据库中的人的数量加1(ps:应该是先用大量图片训练,然后再用softmax)
问题:为了训练人脸识别系统的参数,使用包含了10万个不同的人的10万张图片的数据集进行训练是合理的。
ps:似乎应该用三元组来训练,两张同一个人,另一张是不同的人
ps:应该是无监督,在无监督学习中,我们没有明确标注的训练数据集,而是通过最小化损失函数来训练模型。这种训练方法使模型能够自动学习图像的内容和风格之间的关系,并生成合成图像。因此,神经风格转换是一种无监督学习任务。
问题: 在一个卷积网络的深层,每个通道对应一个不同的特征检测器,风格矩阵 G [ l ] 度量了 l 层中不同的特征探测器的激活(或相关)程度
ps:应该是不同特征间的相关程度,不是不同特征探测器间的相关程度