人脸识别损失函数梳理与分析/相关方法整理

最新推荐文章于 2024-12-03 00:06:22 发布
最新推荐文章于 2024-12-03 00:06:22 发布
阅读量261 收藏 1
点赞数
分类专栏： 检测与识别 文章标签： 人脸识别
原文链接：https://zhuanlan.zhihu.com/p/59440497
版权

人脸识别损失函数梳理与分析

补充：

1.facenet-TripletLoss

  • 注意点：
    • 样本对选择： 在线生成triplet对，为了使mini-batch中生成的triplet合理，生成mini-batch的时候，保证每个mini-batch中每个人平均有40张图片。然后随机加一些反例进去。在生成triplet的时候，找出所有的anchor-pos对，然后对每个anchor-pos对找出其hard neg样本。这里，并不是严格的去找hard的anchor-pos对，找出所有的anchor-pos对训练的收敛速度也很快。
  • batchsize：我将batchsize设置为30（论文是1800必须是3的倍数），embeddings_shape为128.则每次输入的anchor为(10,128)的数据。P,N也一样。
    计算loss时，由于A和P的距离小于A和N的距离，所以当alpha=0.2时
    在这里插入图片描述

2.arcface loss

特征归一化的原因：1.提到的抑制噪声影响2.加速训练3.尺度无关、长度无关……当归一化/标准化方法背后的物理意义和几何含义与当前问题的需要相契合时，其对解决该问题就有正向作用

系统学习Pytorch笔记六：模型的权值初始化与损失函数介绍
Miracle8070
04-24 4663
Pytorch官方英文文档：https://pytorch.org/docs/stable/torch.html? Pytorch中文文档：https://pytorch-cn.readthedocs.io/zh/latest/ 1. 写在前面 疫情在家的这段时间，想系统的学习一遍Pytorch基础知识，因为我发现虽然直接Pytorch实战上手比较快，但是关于一些内部的原理知识其实并不是太懂，这样...
梳理和总结一些关于人工智能相关的最佳实践方法和框架
AI天才研究院
08-13 193
随着互联网的发展、计算机技术的飞速发展和生态环境的不断丰富，人工智能在未来必将成为一种重要的产业领域。在过去的一段时间里，人工智能技术的研究和应用已经从一个侧面展现出了爆炸性增长的势头。近年来，人工智能技术经历了从认知到智能的阶段变革，也由弱到强逐渐形成了一个从科研到产品的完整过程。通过学习、实践、改进等迭代，人工智能已经具备了应有的能力，将改变我们的生活方式，带来更多美好事物。近几年，人工智能的研究走向了前沿，其技术水平也越来越高。
人脸识别：coco loss-Rethinking Feature Discrimination and Polymerization for Large-scale Recognition
迷途中一个小书童
11-13 2530
nips的一篇做分类和识别的工作，其中在人脸识别任务上也做了实验，Rethinking Feature Discrimination and Polymerization for Large-scale Recognition.Yu Liu, Hongyang Li, XiaogangWang。提出了一个新的损失函数：congenerous cosine，本质上就是一个cosine距离版本的t
人脸识别损失函数总结
chen_znn的博客
06-30 2037
学习记录之经典人脸识别损失函数总结
人脸识别的损失函数
weixin_34119545的博客
04-25 217
人脸识别的LOSS（上） 人脸识别的LOSS（下） 损失函数改进之Large-Margin Softmax Loss     人脸识别是个非常复杂的任务，数据收集、数据清洗、数据分布不均衡、domain问题、分辨率、侧脸、光照、模糊、loss设计、超大规模模型训练、模型压缩等等。valse上因为时间限制，分享了其中最重要的分布式训练部分，希望对大家有所帮助。  ...
人脸识别损失函数
tj1027128330的博客
06-03 3329
一、人脸识别 人脸识别：基于脸部特征信息进行身份识别的一种生物识别技术。 人脸识别属于分类问题，每个人的脸都是一个类别，而他/她的所有图片都是这个类的样本。 如下图： 胡歌的脸为一个类别，所有图片为这个类别的样本。 刘亦菲的脸为另一个类别。 人脸识别的步骤： 1，人脸检测：使用MTCNN等目标检测算法，检测到图片中是否存在人脸，若存在人脸则检测出人脸的位置区域，然后框出。 如图： 2，特征提取：将检测到的人脸框输入到特征提取网络中进行特征提取，返回的是一些特征数据。 如图...
人脸识别中的损失函数总结
cdknight_happy的专栏
03-12 452
损失名称 数学公式 是否权重归一化 是否特征归一化 分类边界 文章链接 softmax L=−1m∑i=1mlog⁡eWyiTxi+byi∑j=1neWjTxi+bjL = -\frac{1}{m}\sum_{i=1}^m\log\frac{e^{W_{y_i}^Tx_i+b_{y_i}}}{\sum_{j=1}^ne^{W_j^Tx_i+b_j}}L=−m1​∑i=1m​log∑...
字节跳动数据分析面试题及参考答案
最新发布
大模型大数据攻城狮的专栏
12-03 437
ABtest 和置信度相关，进行 AB 测试的时候样本量要如何选取？ AB 测试与置信度紧密相连，置信度体现了我们对测试结果的信任程度。 首先，要理解置信度的概念。比如我们设置置信度为 95%，这意味着如果我们重复进行多次 AB 测试，有 95% 的情况下得到的结果是可靠的，即真实的差异确实存在于 A 组和 B 组之间。 样本量的选取取决于多个因素。一是基础指标的方差。如果指标的方差较大，比如用户停留时间这个指标，不同用户之间差异巨大，那么就需要更大的样本量来准确估计差异。例如，对于一
推荐系统[4.1]：Ranking Loss 函数：度量学习、Siamese 和 triplet 网络、RankNet、pair-wise、List-wise loss以及在深度学习框架中loss设计
丨汀、的博客
07-26 1479
推荐系统[4.1]：Ranking Loss 函数：度量学习、Siamese 和 triplet 网络、RankNet、pair-wise、List-wise loss以及在深度学习框架中loss设计
大话文本识别经典模型：CRNN
雪饼的博客
06-14 7943
在前一篇文章中（详见本博客文章：大话文本检测经典模型 CTPN），介绍了文字识别在现实生活中的广泛应用，以及文字识别的简单流程： 其中“文本检测”、“文本识别”是其中两个关键环节，“文本检测”已经在前一篇文章中介绍了详细的介绍，本文主要介绍“文本识别”的经典模型CRNN及其原理。 在介绍CRNN之前，先来梳理一下要实现“文本识别”的模型，需要具备哪些要素： （1）首先是要读取输...
人脸识别的损失函数解读
qq_33948796的博客
04-17 1881
最近在研究自编码器提取特征做分类和生成、重建。所以细致了解人脸识别的各种损失函数！ 文章目录1、概要2、Softmax Loss3、Center Loss8、参考链接 1、概要 人脸识别：输入一张图片，进行人脸检测，再提取关键点进行人脸对齐矫正，最后提取人脸特征，进行判别这个人是谁。判别这个人是谁，本质上是分类问题。 既然牵涉到分类，分类的目的就是不同类的类间间距够大，同一类的类内距离足够小。那...
Softmax和Overfitting
qq_963157144的博客
08-25 267
补充： 1.softmax初探 在机器学习尤其是深度学习中，softmax是个非常常用而且比较重要的函数，尤其在多分类的场景中使用广泛。他把一些输入映射为0-1之间的实数，并且归一化保证和为1，因此多分类的概率之和也刚好为1。 首先我们简单来看看softmax是什么意思。顾名思义，softmax由两个单词组成，其中一个是max。对于max我们都很熟悉，比如有两个变量a,b。如果a>b，...
解析人脸识别中cosface和arcface（insightface）的损失函数以及源码
我的博客有点东西
02-26 9768
人脸识别最近几年的发展，几乎就两条，第一是面向移动设备，第二，改进损失函数，使训练的模型更加有效。这就要求loss能push各个类内在空间分布的更紧凑。从normface开始，人脸识别就进入使用余弦相似度来判断识别精度的时代。对weight和feature都进行l2 norm，避免长尾，使样本不均衡不再制约精度。 在center loss中，指明softMax-based loss将特征空间呈原点...
【人脸识别】人脸识别损失函数学习笔记
chen1234520nnn的博客
07-24 2030
目录 二、CosFace(CVPR2018) 1 softmax loss的不同变种 1.1 原始的softmax loss： 1.2 归一化softmax Loss(NSL,Normalization Softmax Loss) 1.3 CosFace Loss(LNCL,Large Margin Cosine Loss) 2. 不同loss的分类边界分析 2.1 Softmax Loss： 2.2 NSL：Normalized Softmax Loss： 2.3 A-Softmax（S
人脸识别网络与损失函数
weixin_41012399的博客
01-12 260
人脸识别网络：insightface，facenet，CompreFace，Face Recognition， 参考：https://zhuanlan.zhihu.com/p/52560499 https://www.163.com/dy/article/GQ7P8RS00552BGTE.html 人脸识别损失函数： 参考：https://zhuanlan.zhihu.com/p/51324547 https://zhuanlan.zhihu.com/p/76541084 ...
深度学习系列资料总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值