人脸识别系列-Centerloss论文阅读笔记
来源:互联网 发布:c语言源代码大全 编辑:程序博客网 时间:2024/06/01 10:13
好记心不如烂笔头,以此记录自己的学习历程。
这篇论文 Centerloss来自Eccv2016。本文主要讲解其核心原理以及源码和实验。
论文地址:https://ydwen.github.io/papers/WenECCV16.pdf
代码地址:https://github.com/ydwen/caffe-face
简介
在人脸识别中,就是要学习到一种判别性好的特征。作者通过增加centerloss使得学习的特征类内距离更小。
在人脸识别的任务中,特征不仅仅是要可分,而且还要能够容易判别,如上图,左边的特征虽然可分,但是类间距离不够大,因此会导致错分现象,而好的特征应该像有图那样,很容易区分。
在人脸认证任务中,常用的步骤是通过提取神经网络最后一层的通过计算余弦或者欧式距离进行判断。作者通过分析softmax学习到的特征,发现softmaxloss后的特征每一类特征较分散,如下图所示,因此作者提出了centerloss,目的是想让每一类特征更加聚合。
Centerloss
首先回忆下softmax的公式:
softmax使得每一类可分,关注的是类间的距离,但并没有关注类内的问题。因此作者希望在每一个batch中,每一个样本都能向同一类的中心靠拢。即在分类时,也要向类心靠近,Loss如下:
因此中心的求解也是学习的过程,当x和c不一样则计算两者距离,同时c移到两者距离的中心处。
中心学习过程如下,在实现的过程,可将 c 等同于w的更新方式,具体可参考代码的实现过程。
实验
我们如果要想进行实验,可以使用自己的数据集在预训练的模型上微调,可参考论文的预处理方式,lfw 99.多不是问题。
阅读全文
0 0
- 人脸识别系列-Centerloss论文阅读笔记
- centerloss论文学习笔记
- centerloss系列文章笔记——人脸识别:A Discriminative Feature Learning Approach forDeep Face Recognition
- centerloss系列文章笔记——人脸检测Face R-CNN
- 人脸识别之端到端框架(四)--CenterLoss
- 论文阅读笔记-图像识别分类
- centerloss的论文解读
- 人脸识别:Deep Face Recognition论文阅读
- 【论文笔记】FaceNet--Google的人脸识别
- 【论文笔记】DeepID人脸识别算法之三代
- 双流神经网络及3D卷积系列论文阅读笔记
- 论文阅读笔记
- 论文阅读笔记- Dremel
- 论文阅读笔记 - Pregel
- 论文阅读笔记1
- 论文阅读笔记2
- 论文阅读笔记3
- 论文阅读笔记4
- BZOJ1854_游戏_KEY
- 算法笔记:并查集
- Dev C++新建Windows应用程序时的main函数模板
- 贪心算法
- tensorflow 变量的创建、初始化、执行和输出
- 人脸识别系列-Centerloss论文阅读笔记
- 个人简历APP cocos制作
- js实现常见排序方法
- 【BZOJ1007】【HNOI2008】水平可见直线
- 【s5p4418嵌入式学习】分步编译之module编译05
- 8章 进程控制
- 大数据排重算法-布隆算法(BloomFilter)
- 微信小程序--后端管理平台业务4--Mybatis模糊查询相关
- 排序算法之归并排序