論文閱讀（11）：RegularFace: Deep Face Recognition via ExclusiveRegularization
本文是南開大學在CVPR2019上提出的人臉識別方法。在人臉識別任務中，同一個人的的人臉圖像在特徵空間中要相近，不同人的人臉圖像要遠離。最近的人臉識別研究都是通過設計loss懲罰同一identity下的人臉差異，關注於類內差異的壓縮。而本篇論文的關注點則是類間相似性的分離，將不同類別間的角拉開，以提取出判別性特徵。 論文主頁：RegularFace - Kai Zhao 一. Introd
相關文章
- 1. 論文閱讀（11）：RegularFace: Deep Face Recognition via ExclusiveRegularization
- 2. 文獻閱讀 - Deep Face Recognition
- 3. 論文解讀 | Pose-Robust Face Recognition via Deep Residual Equivariant Mapping
- 4. 論文閱讀（8）：ShrinkTeaNet: Million-scale Lightweight Face Recognition via Shrinking Teacher-Student Net
- 5. 人臉識別：Deep Face Recognition論文閱讀
- 6. 論文：Deep Face Recognition: A Survey 閱讀筆記
- 7. SphereFace: Deep Hypersphere Embedding for Face Recognition論文閱讀
- 8. 論文閱讀筆記：ArcFace: Additive Angular Margin Loss for Deep Face Recognition
- 9. Pose-Robust Face Recognition via Deep Residual Equivariant Mapping
- 10. 論文閱讀：Collaborative Deep Embedding Via Dual Networks
- 更多相關文章...
- • RSS 閱讀器 - RSS 教程
- • C# 文本文件的讀寫 - C#教程
- • JDK13 GA發佈：5大特性解讀
- • Scala 中文亂碼解決
相關標籤/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。
最新文章
- 1. python的安裝和Hello，World編寫
- 2. 重磅解讀：K8s Cluster Autoscaler模塊及對應華爲雲插件Deep Dive
- 3. 鴻蒙學習筆記2（永不斷更）
- 4. static關鍵字 和構造代碼塊
- 5. JVM筆記
- 6. 無法啓動 C/C++ 語言服務器。IntelliSense 功能將被禁用。錯誤: Missing binary at c:\Users\MSI-NB\.vscode\extensions\ms-vsc
- 7. 【Hive】Hive返回碼狀態含義
- 8. Java樹形結構遞歸（以時間換空間）和非遞歸（以空間換時間）
- 9. 數據預處理---缺失值
- 10. 都要2021年了，現代C++有什麼值得我們學習的？
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 論文閱讀（11）：RegularFace: Deep Face Recognition via ExclusiveRegularization
- 2. 文獻閱讀 - Deep Face Recognition
- 3. 論文解讀 | Pose-Robust Face Recognition via Deep Residual Equivariant Mapping
- 4. 論文閱讀（8）：ShrinkTeaNet: Million-scale Lightweight Face Recognition via Shrinking Teacher-Student Net
- 5. 人臉識別：Deep Face Recognition論文閱讀
- 6. 論文：Deep Face Recognition: A Survey 閱讀筆記
- 7. SphereFace: Deep Hypersphere Embedding for Face Recognition論文閱讀
- 8. 論文閱讀筆記：ArcFace: Additive Angular Margin Loss for Deep Face Recognition
- 9. Pose-Robust Face Recognition via Deep Residual Equivariant Mapping
- 10. 論文閱讀：Collaborative Deep Embedding Via Dual Networks