url: https: kpzhang .github.io papers eccv .pdf year: ECCV abstract 对于人脸识别任务来说, 网络学习到的特征具有判别性是一件很重要的事情. 增加类间距离, 减小类内距离在人脸识别任务中很重要. 那么, 该如何增加类间距离, 减小类内距离呢 通常, 我们使用 softmax loss 作为分类任务的loss, 但是, 单单依赖使用 ...
2019-04-21 19:14 0 657 推荐指数：
Heterogeneous Face Attribute Estimation: A Deep Multi-Task Learning Approach 2017.11.28 Introduction： 人脸属性的识别在社会交互，提供了非常广泛的信息，包括 ...
来自MSRA视觉计算组，发表在CVPR2017上。这篇文章提出了一个结合光流的快速视频目标检测和视频语义分割方法。 motivation 在视频流的每一帧上用CNN计算特征太慢了。 两个相邻帧有相似的feature map 结合光流将特征进行传播 ...
提出一种成为MFR（Meta Face Recognition）的方法用于解决在未知域模型泛化的paper。如下图所示，左边为四个源域，右边为5个目标域，通过将源域迭代划分成meta-train/meta-test集合可以提升模型的迁移性能，使得在未知域上也会能有较好的结果。 在真实应用中 ...
Collaborative Spatioitemporal Feature Learning for Video Action Recognition 摘要 时空特征提取在视频动作识别中是一个非常重要的部分。现有的神经网络模型要么是分别学习时间和空间特征（C2D），要么是不加控制地联合学习时间 ...
2020 Towards Universal Representation Learning for Deep Face Recognition Abstract ...
CurricularFace: Adaptive Curriculum Learning Loss for Deep Face Recognition https://github.com/HuangYG123/CurricularFace Abstract 作为人脸识别中的一个新兴课题 ...
的识别效果。 这篇论文的主要思想是通过学习两个deep network来构建face attrib ...
CMP是在原始的框架上加入一个卷积层，GAP和softmax层，生成的网络。 1. Classification：分类效果上可能会稍有下降，可以通过增加卷积层，就可以使分类准确度和原来差不多了 2 ...
