Facenet
是google在2015於CVPR所发表的,提出在特徵空间里做出识别、验证的问题,只需想办法将人脸特徵如何最好的映射到特徵空间中。如果将特徵完好的映射在特徵空间中,就可以直接解决人脸验证、识别等问题。
使用的loss function为Triplet Loss
输入为三元组<a,p,n>
a为anchor(已知者,需要辨识的人)
p为positive,与a为同一人但不同张影像(有可能为角度、光线不同的影像)
n为negative,与a为不相同的人
损失函式公式为:
L=max(d(a,p)-d(a,n)+margin,0)
若要产生出最小的L则须拉近(a,p)距离,拉远(a,n)距离。
有三种三元组类别
easy triplets:L=0,这种情况不需进行优化。
hard triplets:d(a,n) < d(a,p),即(a,n)距离近,(a,p)距离远。
semi-hard triplets:d(a,p) < d(a,n) < d(a,p) + margin
在原始的Facenet论文中是采取随机的方式选取semi-hard triplets进行训练的。
<<: LeetCode 双刀流:206. Reverse Linked List
>>: [day13] 设定gunicorn Logging
Virtual Judge ZeroJudge 题意 输入两字串 S1、S2,问是否能找出对两字串...
之前我们学会了如何用talib计算一分K技术指标,也学会了如何用line发送通知。因为shioaji...
LINE Developers:https://developers.line.biz/zh-ha...
「我google一下,等我。」 「这些网路上都有了啊,为什麽要记?记了也没用」 «知识大迁移...
前言 前两天介绍完 Secure、HttpOnly、SameSite 几个跟 cookie 安全性有...