这个方法还可以用在别的地方，比如要判别一个人不同年龄的照片是不是同一个人，这样这里的yaw coefficient参数就是用来调整照片年龄的不同，而不是人脸角度的不同了 Pose Robust Face Recognition via Deep Residual Equivariant Mapping Abstract 由于深度学习的出现，人脸识别获得了非凡的成功。可是，很多当代的人脸检测模型， ...
2020-03-17 12:11 0 660 推荐指数：
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 ...
对这部分不了解的可以看看： 人脸识别和检测中loss学习 - 7 - SphereFace NormFace: L2 Hypersphere Embedding for Face Verification - 1 - 论文学习 人脸识别和检测中loss学习 ...
2020 Towards Universal Representation Learning for Deep Face Recognition Abstract ...
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 ...
该方法通过减法的方式将边际margin参数m引入softmax中，cosθ - m 原始的softmax loss函数为： f表示的是最后一个全连接层的输出(fi表示的是第i个样本)，Wj表示的是最后全连接层的第j列。WyiTfi被叫做target logit 在A-softmax ...
使用的网络结构VarGNet可见VarGNet: Variable Group Convolutional Neural Network for Efficient Embedded Computing - 1 -论文学习 2019 ...
GroupFace: Learning Latent Groups and Constructing Group-based Representations for Face Recognition Abstract 在人脸识别领域中，模型学习使用更少维度的嵌入特征来区分百万级的人脸 ...
Circle Loss: A Unified Perspective of Pair Similarity Optimization Abstract 本文提出 ...
