原创 Normalization那些事

Normalization methods              FeatMaps:可以直觀理解爲一摞書[由N本書摞起來得到,每本書有C頁,每頁有H行字,每行字有W個字符]! Batch-Norm 直觀理解:BN-mean的形

原创 活體識別-benchmark

Existing datasets   CAISA-MFSD[2012] Easy-API[link] SiW[2018] dataset-download-link[passdoor]【磁盤空間約210G!!!】. pape

原创 人臉矯正工程實現

Face Landmark [1]. mtcnn-pytorch | Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Network

原创 SphereFace[2017-CVPR]

Paper-info title : SphereFace: Deep Hypersphere Embedding for Face Recognition[CVPR-2017] author : Weiyang Liu, Yando

原创 Pytorch中Tensor的類型轉換

Pytorch中的Tensor常用的類型轉換函數(inplace操作) train/eval過程中,打印loss信息        data.item()  ----> Tensor --> float 數據類型轉換   在Tenso

原创 DeepID2[2014-NIPS]

Motivation 通過深度網絡學習人臉embedding-feature![DeepID-2014CVPR]; 減小內類variations,增加類間difference; Novelty identification los

原创 MobileNet-v1[2017-arXiv]

假設input的size爲 3 x 64 x 64, output : 4 x 64 x 64. 常規卷積                                                    深度可分離卷積  

原创 EfficientNet[2019-ICML]

Motivation 卷積神經網絡(ConvNets)通常是在固定的資源預算下發展起來的,如果有更多的資源可用的話,則會擴大規模以獲得更好的精度,比如可以提高網絡深度(depth)、網絡寬度(width)和輸入圖像分辨率 (resol

原创 MobileNet-v2[2018-CVPR]

Linear Bottlenecks ReLU or Linear             X' = T^-1(ReLU(T*X))  | 將input數據通過隨機矩陣嵌入到高維manifold中使用ReLU作爲激活函數進行變換,然後

原创 python文件路徑設置

os.getcwd() 1 sys.path[0] 1 sys.argv[0] 1 __file__ 1 參考文獻 [1]. https://www.cnblogs.com/fengliu-/p/9234981.htm

原创 動態規劃進階題目錦集

本文涉及到的代碼均有python實現,代碼GitHub[link],持續更新中…… 基礎-0.0 1. 斐波那契數列 : f(n) = f(n-1) + f(n-2) 2. 硬幣兌換問題 : 給定不同面額的硬幣 coins 和一個總

原创 ArcFace[2019-CVPR]

論文信息 ArcFace: Additive Angular Margin Loss for Deep Face Recognition[2019-CVPR] Author   : Jiankang Deng, Jia Guo, Ni

原创 MV-Softmax[2020-AAAI]

Motivation 現存人臉識別的算法存在如下的3方面的問題: 在學習discriminative-feature的過程中忽略了sample的importance[easy/hard]; feature的discriminative

原创 Additive Margin Softmax[2018-IEEE-Trans-SPL]

Note AM-Softmax與Cosface撞臉了,它們的idea驚人的相同,掛在arXiv上的時間也大體一致,大家可以自己感覺:   Motivation                                  

原创 PFE[2019-ICCV]

Motivation Embedding-feature[確定性的點估計]的模糊性        Gaussian Blur | Occlusion |  Random Gaussian Noise [left-->right]; 將