前言 水了幾篇不痛不癢的博客，于是決定把mtcnn的原理記錄下，分享給想要學(xué)習(xí)人臉識別，但是很糾結(jié)如何開始的人。網(wǎng)上關(guān)于mtcnn的教程大同小異...
投稿
收錄了15篇文章 · 6人關(guān)注
-
深刻理解MTCNN原理, 超級詳細，從零開始做人臉檢測。Tensorflow2實現(xiàn) -
人臉識別中的L2 normalization很多論文中都提及對人臉特征進行L2 normalization。 DeepFace： deepface中說對特征進行歸一化是為了減少光照的影響。...
-
繪制MNIST二維特征分布打算實現(xiàn)MNIST在各個loss下訓(xùn)練出來的二維特征分布,持續(xù)更新 1.為何繪制出的特征分布只在第一象限 在看center loss論文的時候，...
-
【論文】Center Loss: A Discriminative Feature Learning Approachfor Deep Face Recognition
xi表示第i個實例（臉）的特征向量。yi表示第i個實例的類別。Cyi表示yi類別的中心。目的是使所有實例到中心的距離的和最小。 Referenc...
-
【論文】VGGFace：Deep Face Recognition
Architecture 結(jié)構(gòu)與VGGnet類似。將全連接層比喻為其filter能看到整張圖片的卷積層。 loss 給出了triplet los...
-
【論文】DeepID3: Face Recognition with Very Deep Neural NetworksVGGnet和GoogLeNet這種很深的卷積神經(jīng)網(wǎng)絡(luò)在圖像分類上取得成功，作者就嘗試將深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于人臉識別。實驗方法跟DeepID2...
-
【論文】DeepFace: Closing the Gap to Human-Level Performance in Face Verification
Locally Connected Layer 文中將Locally Connected Layer應(yīng)用到神經(jīng)網(wǎng)絡(luò)，來提取特征。針對輸入的d個特...
-
【論文】Facenet：A Unified Embedding for Face Recognition and Clustering
論文提出一種新的loss函數(shù)，名叫Triplet Loss。 訓(xùn)練方法 因此我們在訓(xùn)練的時候需要3張圖片為一組。有一個問題就是如果我們隨機挑選圖...
-
-
【論文】DeepID2：Deep Learning Face Representation by Joint Identification-Verification
人臉識別最具挑戰(zhàn)性的地方在于減少類內(nèi)差異同時增大類間差異。The key challenge of face recognition ...
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/1743820/u_2010741214_3509954129_fm_26_gp_0.jpg', '推薦專題《人臉識別》（ 分享自 @簡書 ）','http://www.itdecent.cn/c/6072ade71567?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','頁面編碼gb2312|utf-8默認gb2312'));){kind=link}