使用的網絡結構VarGNet可見VarGNet: Variable Group Convolutional Neural Network for Efficient Embedded Computing 論文學習 VarGFaceNet: An Efficient Variable Group Convolutional Neural Network for Lightweight Face Re ...
2020-03-24 16:56 0 827 推薦指數：
Abstract 深度卷積神經網絡(CNNs)的發展使人臉識別得到了長遠的發展，其核心任務是提高特征識別的能力。為此，提出了幾個基於邊緣的softmax損失函數(如角邊緣、附加性邊緣和附加性角邊緣)來增加不同類別之間的特征邊緣。然而，盡管取得了很大的成就，但主要存在三個問題:1)明顯忽視 ...
CurricularFace: Adaptive Curriculum Learning Loss for Deep Face Recognition https://github.com/HuangYG123/CurricularFace Abstract 作為人臉識別中的一個新興課題 ...
GroupFace: Learning Latent Groups and Constructing Group-based Representations for Face Recognition Abstract 在人臉識別領域中，模型學習使用更少維度的嵌入特征來區分百萬級的人臉 ...
對這部分不了解的可以看看： 人臉識別和檢測中loss學習 - 7 - SphereFace NormFace: L2 Hypersphere Embedding for Face Verification - 1 - 論文學習 人臉識別和檢測中loss學習 ...
2020 Towards Universal Representation Learning for Deep Face Recognition Abstract ...
VarGNet: Variable Group Convolutional Neural Network for Efficient Embedded Computing Abstract ...
該方法通過減法的方式將邊際margin參數m引入softmax中，cosθ - m 原始的softmax loss函數為： f表示的是最后一個全連接層的輸出(fi表示的是第i個樣本)，Wj表示的是最后全連接層的第j列。WyiTfi被叫做target logit 在A-softmax ...
⚠️這個方法還可以用在別的地方，比如要判別一個人不同年齡的照片是不是同一個人，這樣這里的yaw coefficient參數就是用來調整照片年齡的不同，而不是人臉角度的不同了！！！！！！！！！ Pose-Robust Face Recognition ...
