2018年09月_yanhx1204

转载 MTCNN-将多任务级联卷积神经网络用于人脸检测和对齐

转：https://blog.csdn.net/lff1208/article/details/77328357论文链接：https://kpzhang93.github.io/MTCNN_face_detection_alignment/，本文是根据自己的理解翻译的如有错误，还请见谅，评论提出，立马修改。摘要：由于姿势、光照或遮挡等原因，在非强迫环境下的人脸识别和对齐是一项具...

2018-09-19 20:07:26 560

转载一篇文章搞懂人脸识别的十个概念

（转载自http://ai.dataguru.cn/article-11640-1.html）实验室研究人脸技术多年，不仅在技术方面有很好的积累，而且在公司内外的业务中有众多应用。在与产品、商务、工程开发同事交流过程中发现：不管是“从图中找到人脸的位置”，或是“识别出这个人脸对应的身份”，亦或是其他，大家都会把这些不同的人脸技术统称为“人脸识别技术”。因此，整理了一些常见人脸技术的...

2018-09-18 16:33:04 181

转载人脸关键点对齐

转：https://www.jianshu.com/p/e4b9317a817f摘要：从传统方法到深度学习方法，对人脸关键点定位/人脸对齐的发展进行梳理，对该领域中经典的方法，最新成果进行汇总，并给出相应的paper原文，项目主页及代码链接。重点介绍深度学习的几种最新方法。1. Conception人脸关键点定位(Facial landmark localization）：在人脸检...

2018-09-18 16:24:53 8484

转载【论文理解】ArcFace: Additive Angular Margin Loss for Deep Face Recognition（InsightFace）

转：https://blog.csdn.net/fuwenyan/article/details/79657738论文地址：https://arxiv.org/abs/1801.07698github：https://github.com/deepinsight/insightface这篇论文基本介绍了近期较为流行的人脸识别模型，loss变化从softmax一路捋到CosFace，然后...

2018-09-18 16:22:53 332

转载 Video Analysis 相关领域解读之Temporal Action Detection(时序行为检测)

转：https://zhuanlan.zhihu.com/p/26603387Video Analysis 相关领域解读之Temporal Action Detection(时序行为检测)林天威计算机视觉/视频动作分析85 人赞了该文章本文投稿于@极视角公众号，链接为文章链接.上一篇Video Analysis相关领域解读之Action Recog...

2018-09-13 15:53:53 1450

转载人脸相关数据库

转：https://blog.csdn.net/u012374174/article/details/71420766?locationNum=12&fps=1在人脸检测、人脸识别和属性分析等方面，常用的数据库可分为以下五部分。1、人脸检测数据库：（1999年发布）CMU+MIT：180幅图像,共734个人脸。包含3个正面人脸测试子集和一个旋转人脸测试子集,其中正面人脸测...

2018-09-12 13:57:34 805 1

转载 Gallery Set与Probe set

0 前言在 Face Recognition 数据集一般会经常看到这三个数据集 Training set 、Gallery set and Probe set。第一次看到的时候也是晕晕的懵懵的，然后自己查阅了一些资料以后也是没有明白啊后来老师给解释了一下是什么意思。在这里就算是给自己Mark一下。1 解释我自己大体画了一下这个意思在FaceRecognition中一般的是训练集与...

2018-09-10 13:47:04 585

今天给大家介绍的工作是大家最陌生的老朋友Softmax Loss。Softmax可以算是最为广泛使用的分类loss，在大家都在极力压榨网络结构来换取性能提升的时候，回过头来再去看看这个网络训练的“指挥棒”，能有很多新的发现。其实在读到这一系列工作之前，我花很久考虑过一个问题，对于SVM来讲，margin的概念十分清晰易懂，那么对于Softmax而言，如果我们要引入Max Margin的概念，那...

2018-09-07 09:58:17 221

转载卷积神经网络系列之softmax，softmax loss和cross entropy的讲解

转自：https://blog.csdn.net/u014380165/article/details/77284921我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对这些层具体是怎么实现的了解吗？你...

2018-09-07 09:52:02 139

yanhx1204的专栏