基於Caffe的DeepID2實現（上）
小喵的嘮叨話：小喵最近在做人臉識別的工作，打算將湯曉鷗前輩的DeepID，DeepID2等算法進行實驗和復現。DeepID的方法最簡單，而DeepID2的實現卻略微復雜，並且互聯網上也沒有比較好的資源。因此小喵在試驗之后，確定了實驗結果的正確性之后，才准備寫這篇博客，分享給熱愛Deep ...
原文：基於Caffe的DeepID2實現（中）
小喵的嘮叨話：我們在上一篇博客里面，介紹了Caffe的Data層的編寫。有了Data層，下一步則是如何去使用生成好的訓練數據。也就是這一篇的內容。 小喵的博客：http: www.miaoerduo.com 博客原文：http: www.miaoerduo.com deep learning 基於caffe的deepid 實現 中 .html 二 精髓，DeepID Loss層 DeepID 這 ...
2016-07-17 10:35 0 4426 推薦指數：
相關推薦
基於Caffe的DeepID2實現（下）
小喵的嘮叨話：這次的博客，真心累傷了小喵的心。但考慮到知識需要鞏固和分享，小喵決定這次把剩下的內容都寫完。 小喵的博客：http://www.miaoerduo.com 博客原文： http://www.miaoerduo.com/deep-learning/基於caffe的deepid2實現 ...
DeepID1,DeepID2
1.DeepID1 （Deep Learning Face Representation from Predicting 10,000 Classes） Step1:構建網絡框架 DeepConvNet主要由卷積層、Pooling層和全連接層構成。其中，Deep hidden ...
在Caffe中實現模型融合
模型融合 有的時候我們手頭可能有了若干個已經訓練好的模型，這些模型可能是同樣的結構，也可能是不同的結構，訓練模型的數據可能是同一批，也可能不同。無論是出於要通過ensemble提升性能的目的，還是要設計特殊作用的網絡，在用Caffe做工程時，融合都是一個常見的步驟。 比如考慮下面的場景 ...
怎樣在caffe中添加layer以及caffe中triplet loss layer的實現
關於triplet loss的原理。目標函數和梯度推導在上一篇博客中已經講過了。詳細見：triplet loss原理以及梯度推導。這篇博文主要是講caffe下實現triplet loss。編程菜鳥。假設有寫的不優化的地方，歡迎指出。 1.怎樣在caffe中添加新的layer ...
基於Caffe的Large Margin Softmax Loss的實現（中）
的large-margin-softmax-loss的實現（中）.html 四、前饋 還記得上一篇博客，小喵給出的三個 ...
Caffe中im2col的實現解析
這里，我是將Caffe中im2col的解析過程直接拉了出來，使用C++進行了輸出，方便理解。代碼如下： 多通道卷積的圖像別人已經給過很多了，大家可以搜到的基本都來自於一篇。這里附上一個我自己的理解過程，和程序的輸出是完全一致的 ...
caffe實現GAN
我實現GAN網絡結構比較復雜： 通過建立兩個一模一樣的網絡，他們相對應的層共享權重，一個網絡用來跟新D model另一個網絡用來更新G model 更新G model的網絡，D部分只進行梯度傳遞，不進行參數跟新。 更新D model的網絡，G部分直接不進行backward ...