人脸识别
马鹤宁
知到极处便是行,行到极处便是知
展开
-
人脸识别之Center Loss
论文:A Discriminative Feature Learning Approach for Deep Face Recognition现如今,卷积神经网络已经被广泛地应用到计算机视觉领域,在大部分卷积神经网络中,经常使用softmax loss作为损失函数训练模型,因为softmax loss 能够使得特征可分。softmax loss的公式定义如下:其中表示第ith个特征,属于第个类别。...原创 2018-06-11 23:40:16 · 1496 阅读 · 0 评论 -
人脸识别之SphereFace
本文主要介绍SphereFace这篇论文的基本思想原创 2018-06-12 17:01:15 · 14627 阅读 · 1 评论 -
人脸识别之AM-Softmax
论文:Additive Margin Softmax for Face Verification在此篇论文中,作者提出了新的损失函数,AM_softmax。嗯,我们可以把AM-softmax看做是对A-softmax损失函数的改进,两者是很相似的,我刚写过A-softmax的博客,详情请点击这里。两者最大的不同之处在于:A-softmax是用margin m与相乘,而AM-softmax的ma...原创 2018-06-14 14:44:40 · 11601 阅读 · 11 评论 -
人脸识别之ArcFace
论文:ArcFace: Additive Angular Margin Loss for Deep Face Recognition首先我们需要来对比一下ArcFace,AM-softmax,A-softmax和softmax之间的联系和区别。可以这样认为, A-softmax是在传统softmax的基础上,通过m和角度相乘,引进了角度间隔(angular margin) m; AM-softm...原创 2018-06-14 16:34:42 · 1878 阅读 · 0 评论 -
MTCNN:将多任务级联卷积神经网络用于人脸检测和校准
最近一段接触了MTCNN算法,是中国科学院深圳先进技术研究院的成果,论文《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》MTCNN算法是利用三层级联架构结合精心设计的卷积神经网络算法,对人脸进行检测和关键点的粗略定位。该算法有三个阶段组成,第一阶段是用浅层的CNN快速产生候选窗...原创 2018-06-10 16:56:42 · 5100 阅读 · 0 评论 -
交并比(IoU)和非极大值抑制(NMS)
1.交并比IoU (intersection over union)在目标检测的评价体系中,有一个参数IoU,即模型产生的目标窗口与原来标记窗口的交叠率。可以简单理解为:检测结果(detection result)与真实值(Ground Truth)的交集并上它们的并集。公式可以简单记为:2. 非极大值抑制NMS(Non-maximum suppression)NMS顾名思义就是抑...原创 2018-06-10 23:26:39 · 6433 阅读 · 1 评论 -
人脸识别之FaceNet
论文:FaceNet:A Unified Embedding for Face Recognition and Clustering一、简单介绍FaceNet是一个通用的人脸识别系统,可以用于人脸验证(是否是同一个人),人脸识别(这个人是谁)和人脸聚类(寻找相似的人),采用的方法是通过卷积神经网络将人脸图像映射到欧几里得空间,空间距离直接和图片人脸图像的相似度相关:同一个人的人脸图像具有很小的距离...原创 2018-06-11 17:45:16 · 4428 阅读 · 0 评论 -
Haar + AdaBoost
本篇博客引用论文:【1】Rapid Object Detection using a Boosted Cascade of Simple Features【2】Robust Real-Time Face Detection这两篇论文基本思想相似,只不过前一篇是应用于目标检测,后一篇是用于人脸检测。绝对的经典之作,论文引用量已经上万。在论文中,主要提到三个创新点: 积分图:它使得应用到检测...原创 2018-11-04 16:35:05 · 4373 阅读 · 0 评论