xiaofei0801的博客

由于其在生物识别和监视中的应用，人脸识别引起了越来越多的关注。最近，相当多的研究工作致力于无约束的面部验证问题[8,17,18,20,23,24]，其任务是预测两个人脸图像是否代表同一个人。人脸图像在无约束条件下拍摄，并在复杂背景，照明，姿势和表情方面显示出显着的变化（见图1）。另外，人脸验证的评估步骤通常假设训练和测试集中的人员身份是排他性的，需要预测从未见过的面孔。这两个因素使得人脸验证非常具

摘要     面对海量的服装图像数据，如果使用人工进行服装图像的语义属性标注以用于分类和检索，则需要花费大量的人力和时间，而且语义属性并不能完全表达服装图像中的丰富信息，造成检索效果不佳。    针对服装图像对多个属性同时进行分类和识别的要求，构建了基于多任务学习的卷积神经网络结构。为了克服背景、光照、变形等因素的影响，采用了结合度量学习的卷积神经网络结构，具体包括Siamese和Trip