【论文】VGGFace:Deep Face Recognition

Architecture

图片.png

结构与VGGnet类似。将全连接层比喻为其filter能看到整张图片的卷积层。

loss

给出了triplet loss的一种新的公式表达,实质同facenet中是一样的。


图片.png

训练方法

先用softmax训练分类网络,再用triplet loss训练特征提取器。

总结

1.在训练triplet之前先用softmax训练,可以让训练更容易且更快。
2.人脸对齐的影响:对测试集进行对齐可以提高准确率,但对训练集对齐没有提高准确率。
3.数据集的影响:使用未经svm清理的数据集的准确率要比清理后的高。原因如下:1.数据集更大2.清理过程中清理掉了部分hard-positive
4.Triplet可以提高准确率
Reference:
[1] VGG-Face:Deep Face Recognition 笔记
[2] 人脸识别系列(八):VGGFace

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

友情链接更多精彩内容