人脸识别
deep_learninger
这个作者很懒,什么都没留下…
展开
-
Batch Normalization 总结
最近做人脸项目,打算用Batch Normalization 优化网络模型,看到大神博客写的特别好,先转载一下。 本文转载于:http://blog.csdn.net/shuzfan/article/details/50723877 目录 目录 1-Motivation2-Normalization via Mini-Batch Sta转载 2016-08-23 17:20:25 · 11823 阅读 · 1 评论 -
Feature Transfer Learning for Deep Face Recognition with Long-Tail Data 论文阅读笔记
问题: 训练人脸模型需要依赖大规模数据,比如 MsCeleb1M,deepglint, WebFace 等,但这些大规模数据存在严重的long-tail 问题。 简单说,20%人占了80%数据。 这个问题普遍存在,也有不少paper解决该问题。 比如range loss 等。 本文idea: 将GAN 网络方法融合到主流的人脸识别模型中, 在特征领域进行迁移学习。 本文方法比较...原创 2019-05-31 17:02:36 · 2174 阅读 · 1 评论 -
神经网络推理加速: 合并卷积和BN层运算原理及实验
1. 为什么要合并BN层 在训练深度网络模型时,BN(Batch Normalization)层能够加速网络收敛,并且能够控制过拟合,一般放在卷积层之后。BN 层将数据归一化后,能够有效解决梯度消失与梯度爆炸问题。虽然 BN 层在训练时起到了积极作用,然而,在网络前向推断时多了一些层的运算,影响了模型的性能,且占用了更多的内存或者显存空间。目前,很多先进的网络模型(ResNet,MobileN...转载 2019-05-29 09:35:13 · 2545 阅读 · 1 评论