人脸验证（LOSS）之Facenet
FaceNet是目前引用量最高的人脸识别方法，没有用Softmax，而是提出了Triple Loss： 以三元组（a, p, n）形式进行优化，不同类特征的L2距离要比同类特征的L2距离大margin m，同时获得类内紧凑和类间分离。FaceNet用200M训练数据，仅128维特征映射，在LFW上达到了99.63%，非常犀利。但代码、模型和训练数据集都没有开源，三元组选择极具技巧性，复现非常困
相关文章
- 1. 人脸识别之人脸验证（三）--FaceNet
- 2. 人脸识别之FaceNet
- 3. facenet人脸识别
- 4. 人脸验证之SphereFace
- 5. 人脸识别之Center Loss
- 6. 人脸识别之 Center Loss
- 7. 人脸识别算法实验：facenet人脸识别率测试
- 8. Facenet Triplet Loss
- 9. FaceNet: A Unified Embedding for Face Recognition and Clustering - 人脸识别 -- Triplet Loss
- 10. 人脸识别之facenet原理
- 更多相关文章...
- • XML 验证 - XML 教程
- • DTD 验证 - DTD 教程
- • 再有人问你分布式事务，把这篇扔给他
- • 互联网组织的未来：剖析GitHub员工的任性之源
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
