人脸识别loss加强

学习率：开始的学习率0.1

前面放大的深层特征，后面放小特征，

大特征，轮廓，后面放小特征，鼻子，研究，耳朵之类的

异常1：map很小，如果距离很小

说明政府样本混在一起，么有区分开，

哪边loss大，说明没有收敛好，应该加大loss系数

哪边loss小，说明收敛好，不应该加大loss系数

异常2：距离比较大，但是不收敛

哪边收敛不好，哪边loss加大

异常3：长期相持不下，loss都比较小，准确率不涨

微加pos系数，正样本偏少，loss偏弱

loss改进,分级加强，没法用bceloss

网络改进，比如参考peleenet

网络通道应该逐渐变多，需要区分10万，百万。

开始的时候合适距离是1.38，后来，距离调大到1.7

说明同一个人的距离被拉大了，负样本loss偏大了，解决方法：增大正样本loss系数

突然有个想法：正样本少，负样本多，减小正样本直接的距离比较简单，增加负样本间的距离难。

同一个人的图片少，不同的人的图片多，你要增加不同人的距离难，太多了，但是减少同一个人间的距离，相对容易的多。

 loss

人脸识别loss加强相关推荐

CVPR 2020 Oral | 人脸识别Loss新突破：旷视提出Circle Loss，革新深度特征学习范式...
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 来源:旷视研究院@微信公众号旷视研究院提出用于深度特征学习的Circle Los ...
入门经典综述！深度人脸识别算法串讲
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货作者:安晟,Datawhale成员,CV算法工程师最近看了很多人脸识别 ...
人脸识别从原理到实践
视频教程: 一亿ID的人脸识别训练和万亿人脸对(Trillion Pairs)的人脸识别评测文字版人脸识别最新进展以及工业级大规模人脸识别实践探讨人脸识别Loss总结[最全思维导图] 人脸识别是 ...
CV之FRec之ME/LF：人脸识别中常用的模型评估指标/损失函数(Triplet Loss、Center Loss)简介、使用方法之详细攻略
CV之FRec之ME/LF:人脸识别中常用的模型评估指标/损失函数(Triplet Loss.Center Loss)简介.使用方法之详细攻略目录 T1.Triplet Loss 1.英文原文解释 ...
人脸识别中Softmax-based Loss的演化史
点击我爱计算机视觉标星,更快获取CVML新技术近期,人脸识别研究领域的主要进展之一集中在了 Softmax Loss 的改进之上:在本文中,旷视研究院(上海)(MEGVII Research Sha ...
【人脸识别】L2_Softmax Loss详解
论文题目:<L2-constrained Softmax Loss for Discriminative Face Verification> 论文地址:https://arxiv.org ...
Combined Margin loss人脸识别训练笔记
利用caffe第三方实现的combined margin_layer进行训练(https://github.com/gehaocool/CombinedMargin-caffe),数据集采用VGGFa ...
人脸识别-Loss-2010：Softmax Loss（Softmax激活函数 + “交叉熵损失函数”）【样本3真实标签为c_5，则样本3的损失：loss_3=-log(\hat{y}_5^3)】
一般一个CNN网络主要包含卷积层,池化层(pooling),全连接层,损失层等. 全连接层:等号左边部分就是全连接层做的事, W W W 是全连接层的参数,我们也称为权值, X X X 是全连接层的输 ...
人脸识别系列（十五）：COCO Loss
论文链接:Rethinking Feature Discrimination and Polymerization for Large-scale Recognition 这篇文章其实和NormFac ...

人脸识别loss加强

人脸识别loss加强相关推荐

最新文章

热门文章