码迷,mamicode.com
首页 >  
搜索关键字:facenet    ( 19个结果
论文阅读之FaceNet: A Unified Embedding for Face Recognition and Clustering
名称:FaceNet: A Unified Embedding for Face Recognition and Clustering 时间:2015.04.13 来源:CVPR 2015         来自谷歌的一篇 ...
分类:Web程序   时间:2018-10-10 21:51:38    阅读次数:208
第三十七节、人脸检测MTCNN和人脸识别Facenet
在说到人脸检测我们首先会想到利用Harr特征提取和Adaboost分类器进行人脸检测(有兴趣的可以去一看这篇博客第九节、人脸检测之Haar分类器),其检测效果也是不错的,但是目前人脸检测的应用场景逐渐从室内演变到室外,从单一限定场景发展到广场、车站、地铁口等场景,人脸检测面临的要求越来越高,比如:人 ...
分类:Web程序   时间:2018-09-30 23:20:41    阅读次数:1607
人脸识别准备 -- 基于raspberry pi 3b + movidius
本文将描述基于raspberry 3B + movidius作为硬件平台,TensorFlow facenet作为模型实现人脸识别。 ...
分类:Web程序   时间:2018-05-29 00:12:37    阅读次数:5793
facenet 进行人脸识别测试
1.简介:facenet 是基于 TensorFlow 的人脸识别开源库,有兴趣的同学可以扒扒源代码:https://github.com/davidsandberg/facenet 2.安装和配置 facenet 我们先将 facenet 源代码下载下来: 在使用 facenet 前,务必安装下列 ...
分类:Web程序   时间:2018-05-16 18:47:25    阅读次数:1905
openface 训练数据集
训练深度网络模型OpenFace还不是运用faceNet的model作为训练模型,所以在准确性上比faceNet要低,如果你只是做一个简单的分类,建议你看看官网的demo3(http://cmusatyalab.github.io/openface/demo-3-classifier/),如果你想自 ...
分类:其他好文   时间:2017-11-30 16:16:50    阅读次数:265
facenet 代码阅读笔记:如何训练基于triplet-loss的模型
facenet是一个基于tensorflow的人脸识别代码,它实现了基于center-loss+softmax-loss 和 tripletloss两种训练方法,两者的上层的网络结构可以是一样的,主要区别在于最后的loss的计算,center-loss+softmax-loss的实现方法相对来说比较 ...
分类:Web程序   时间:2017-11-20 13:22:17    阅读次数:8933
triplet改进,变种
1.一开始是FaceNet 2.一个重要的改进:image-based, Ding etal. 3.对于样本挑选的改进: 1)hard samples: hard positive 和hard negative (In Defense of Triplet Loss for person Re-Id ...
分类:其他好文   时间:2017-10-05 23:39:09    阅读次数:1124
DeepFace--Facebook的人脸识别
连续看了DeepID和FaceNet后,看了更早期的一篇论文,即FB的DeepFace。这篇论文早于DeepID和FaceNet,但其所使用的方法在后面的论文中都有体现,可谓是早期的奠基之作。因而特写博文以记之。...
分类:其他好文   时间:2015-07-06 17:55:19    阅读次数:193
FaceNet--Google的人脸识别
引入随着深度学习的出现,CV领域突破很多,甚至掀起了一股CV界的创业浪潮,当次风口浪尖之时,Google岂能缺席。贡献出FaceNet再刷LFW上人脸验证的效果新高 FaceNet与其他的深度学习方法在人脸上的应用不同,并没有用传统的softmax的方式去进行分类学习,然后抽取其中某一层作为特征,而是直接进行端对端学习一个从图像到欧式空间的编码方法,然后基于这个编码再做人脸识别、人脸验证和人脸聚类。...
分类:Web程序   时间:2015-06-29 22:15:38    阅读次数:17456
19条   上一页 1 2
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!