论文阅读
goodluckcwl
有价值、有影响力的研究
展开
-
论文阅读:You Only Look Once: Unified, Real-Time Object Detection
这篇文章的主要工作是把物体检测问题重新看成回归问题来求解,利用单个神经网络完成整幅图像上bbox和类别概率的估计。提高了物体检测的速度。神经网络与目标检测RCNN: 由于深度学习在目标检测领域效果差强人意,rbg把检测问题转变为分类问题。按照region proposal+features+classifiers的框架,先选择感兴趣的区域,再提取CNN特征,最后用SVM分类。但是每个proposa原创 2016-09-16 09:37:50 · 1099 阅读 · 0 评论 -
Cvpr 2017论文阅读(一)Machine Learning 1
本篇主要是Cvpr 2017论文阅读小结,将分成多个主题总结。 • Exclusivity-Consistency Regularized Multi-View Subspace Clustering Xiaojie Guo, Xiaobo Wang, Zhen Lei, Changqing Zhang, Stan Z. Li 这篇是多view数据聚类 • Borrowin...原创 2018-03-05 15:02:59 · 1106 阅读 · 0 评论 -
人脸识别(五)2018 Face Recognition via Centralized Coordinate Learning
本篇是人脸识别的第五篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL方法这篇论文依然是在归一化上考虑。主要思想是:对特征层做白化。如下式 与其他文章一样对权重也做了归一化。这篇的实验效果还不错。我觉得主要提升一是对齐方式的改进;二是图像比较大;三是网...原创 2018-03-08 20:50:30 · 3876 阅读 · 0 评论 -
人脸识别(一)A Discriminative Feature Learning Approach for Deep Face Recognition
本篇是人脸识别的第一篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL 这篇文章为了最小化类内差距,在softmax loss上添加一项center loss,即每个样本和它对应的类别的特征向量的中心的距离。我觉得这个做法跟线性判别分析LDA设计目标函数的时候有点...原创 2016-12-20 15:54:35 · 5361 阅读 · 0 评论 -
人脸识别(二):Cvpr 2017 Sphereface
本篇是人脸识别的第二篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL 这篇文章的思想是:使得类间距离的最小值大于类内距离的最大值,同时保留较大的裕量.归一化softmax前的全连接层权重,则优化的是角度. 提出了一种角度的softmax.学习到角度判别...原创 2017-07-31 00:02:05 · 9007 阅读 · 7 评论 -
人脸识别(三):2017 Additive Margin Softmax for Face Verification
本篇是人脸识别的第三篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL方法这篇是对sphereface的改进之一,具体的方法是把角度裕量从cos(mθ)改进为cos(θ)+mcos(mθ)改进为cos(θ)+mcos(m\theta) 改进为 cos(\th...原创 2018-03-08 17:25:36 · 4212 阅读 · 0 评论 -
人脸识别(四):2018 ArcFace: Additive Angular Margin Loss for Deep Face Recognition
本篇是人脸识别的第四篇文章: 人脸识别第一篇:Center Loss 人脸识别第二篇:SphereFace 人脸识别第三篇:CosFace 人脸识别第四篇:ArcFace 人脸识别第五篇:CCL方法ArcFace [1] 也是对Sphereface的改进工作,主要的改进也是loss函数中角度裕量的添加方式。其中目标函数定义为: 而我们之前看的cos face的目标函数是...原创 2018-03-08 17:47:56 · 11858 阅读 · 2 评论 -
论文阅读:CVPR 2015 FaceNet: A Unified Embedding for Face Recognition and Clustering
待续原创 2016-12-30 16:03:00 · 1454 阅读 · 1 评论 -
论文阅读:Iccv 2013 Hidden Factor Analysis for Age Invariant Face Recognition
Cvpr 2016 Latent Factor Guided Convolutional Neural Networks for Age-Invariant Face Recognition Iccv 2013 Hidden Factor Analysis for Age Invariant Face Recognition概述最近看了两篇隐变量分析的文章。这两篇文章都是关于年龄不变的人脸原创 2017-07-21 14:25:40 · 1017 阅读 · 8 评论 -
论文阅读:Icml 2015 Batch Normalization
BN原创 2017-07-21 14:09:30 · 476 阅读 · 0 评论 -
论文阅读:Cvpr 2015 Face Alignment by Coarse-to-Fine Shape Searching
2017.01.09原创 2017-01-09 20:51:25 · 874 阅读 · 0 评论 -
论文阅读:ICML 2016 Large-Margin Softmax Loss for Convolutional Neural Networks
待续原创 2016-12-23 11:47:49 · 699 阅读 · 0 评论 -
论文阅读:BMVC 2015 Deep Face Recognition
待续原创 2016-12-23 10:41:13 · 1029 阅读 · 0 评论 -
论文阅读:Sparsifying Neural Network Connections for Face Recognition
待续原创 2016-12-23 10:39:30 · 662 阅读 · 0 评论 -
【视频动作识别】Cvpr_2018_Attend and Interact_Higher-Order Object Interactions for Video Understanding
在动作识别领域,人跟物体的交互信息是非常重要的,一个动作的完成包含了多个物体与人的复杂交互。以往的工作很少考虑到这样复杂的交互关系。这篇文章要做的就是对视频中的多个物体的交互建模,利用这样的信息来提高动作识别的准确率。如何对物体之间的交互建模物体之间的交互可以通过物体之间的重叠来判断,如果两个物体重叠了,那么说明它们在这个动作发生的时候有一些密切的交互信息。而物体重叠的判断可以通过各自的特...原创 2018-07-01 22:06:01 · 2693 阅读 · 1 评论