本文来自 Large Margin Softmax Loss for Convolutional Neural Networks ，时间线为 年 月，是北大和CMU的作品。 引言 过去十几年，CNN被应用在各个领域。大家设计的结构，基本都包含卷积层和池化层，可以将局部特征转换成全局特征，并具有很强的视觉表征能力。在面对更复杂的数据下，结构也变得更深 VGG ，更小的strides VGG ，新的 ...
2018-12-14 14:09 0 769 推荐指数：
本文来自《ArcFace: Additive Angular Margin Loss for Deep Face Recognition》，时间线为2018年1月。是洞见的作品，一作目前在英国帝国理工大学读博。 CNN近些年在人脸识别上效果显著，为了增强softmax loss的辨识性特征学习 ...
本文来自《L2-constrained Softmax Loss for Discriminative Face Verification》，时间线为2017年6月。 近些年，人脸验证的性能因引入了深度卷积网络而提升很大。一个典型的人脸识别流程就是： 训练一个基于softmax ...
A-Softmax的总结及与L-Softmax的对比——SphereFace \(\quad\)【引言】SphereFace在MegaFace数据集上识别率在2017年排名第一，用的A-Softmax Loss有着清晰的几何定义，能在比较小的数据集上达到不错的效果。这个是他们总结 ...
tf.nn.softmax中dim默认为-1,即,tf.nn.softmax会以最后一个维度作为一维向量计算softmax softmax是什么？ 函数 Softmax(x) 也是一个 non-linearity, 但它的特殊之处在于它通常是网络中一次操作 ...
import torch import torch.nn.functional as F x1= torch.Tensor( [ [1,2,3,4],[1,3,4,5],[3,4,5,6]]) y11= F.softmax(x, dim = 0) #对每一列进行softmax y12 ...
softmax的主要工作就是将预测出来的结果，用概率来表示，并将总的概率相加为1 通过全连接层输出的预测结果有正有负，那为什么有负数呢？ 是因为参数或者激活函数的问题 将预测结果转换为概率主要分为两步： 1、将所有的负数变为正数，并不能改变与原正数的相对大小 \(y = e^x ...
写在前面 以下是个人在学习过程中的记录，如有侵权联系删除。 参考： https://zhuanlan.zhihu.com/p/21102293?refer=intelligentunit ht ...
Abstract 深度卷积神经网络(CNNs)的发展使人脸识别得到了长远的发展，其核心任务是提高特征识别的能力。为此，提出了几个基于边缘的softmax损失函数(如角边缘、附加性边缘和附加性角边缘)来增加不同类别之间的特征边缘。然而，尽管取得了很大的成就，但主要存在三个问题:1)明显忽视 ...
