基于Caffe的DeepID2实现（上）
小喵的唠叨话：小喵最近在做人脸识别的工作，打算将汤晓鸥前辈的DeepID，DeepID2等算法进行实验和复现。DeepID的方法最简单，而DeepID2的实现却略微复杂，并且互联网上也没有比较好的资源。因此小喵在试验之后，确定了实验结果的正确性之后，才准备写这篇博客，分享给热爱Deep ...
原文：基于Caffe的DeepID2实现（中）
小喵的唠叨话：我们在上一篇博客里面，介绍了Caffe的Data层的编写。有了Data层，下一步则是如何去使用生成好的训练数据。也就是这一篇的内容。 小喵的博客：http: www.miaoerduo.com 博客原文：http: www.miaoerduo.com deep learning 基于caffe的deepid 实现 中 .html 二 精髓，DeepID Loss层 DeepID 这 ...
2016-07-17 10:35 0 4426 推荐指数：
相关推荐
基于Caffe的DeepID2实现（下）
小喵的唠叨话：这次的博客，真心累伤了小喵的心。但考虑到知识需要巩固和分享，小喵决定这次把剩下的内容都写完。 小喵的博客：http://www.miaoerduo.com 博客原文： http://www.miaoerduo.com/deep-learning/基于caffe的deepid2实现 ...
DeepID1,DeepID2
1.DeepID1 （Deep Learning Face Representation from Predicting 10,000 Classes） Step1:构建网络框架 DeepConvNet主要由卷积层、Pooling层和全连接层构成。其中，Deep hidden ...
在Caffe中实现模型融合
模型融合 有的时候我们手头可能有了若干个已经训练好的模型，这些模型可能是同样的结构，也可能是不同的结构，训练模型的数据可能是同一批，也可能不同。无论是出于要通过ensemble提升性能的目的，还是要设计特殊作用的网络，在用Caffe做工程时，融合都是一个常见的步骤。 比如考虑下面的场景 ...
怎样在caffe中添加layer以及caffe中triplet loss layer的实现
关于triplet loss的原理。目标函数和梯度推导在上一篇博客中已经讲过了。详细见：triplet loss原理以及梯度推导。这篇博文主要是讲caffe下实现triplet loss。编程菜鸟。假设有写的不优化的地方，欢迎指出。 1.怎样在caffe中添加新的layer ...
基于Caffe的Large Margin Softmax Loss的实现（中）
的large-margin-softmax-loss的实现（中）.html 四、前馈 还记得上一篇博客，小喵给出的三个 ...
Caffe中im2col的实现解析
这里，我是将Caffe中im2col的解析过程直接拉了出来，使用C++进行了输出，方便理解。代码如下： 多通道卷积的图像别人已经给过很多了，大家可以搜到的基本都来自于一篇。这里附上一个我自己的理解过程，和程序的输出是完全一致的 ...
caffe实现GAN
我实现GAN网络结构比较复杂： 通过建立两个一模一样的网络，他们相对应的层共享权重，一个网络用来跟新D model另一个网络用来更新G model 更新G model的网络，D部分只进行梯度传递，不进行参数跟新。 更新D model的网络，G部分直接不进行backward ...