脸谱网

FaceNet:用于人脸识别和聚类的统一嵌入。尽管近年来在人脸识别领域取得了重大进展,但大规模有效地实现人脸验证与识别对现有的方法提出了严峻的挑战。在本文中,我们提出了一个叫做FaceNet的系统,它可以直接学习从人脸图像到一个紧凑的欧几里德空间的映射,其中距离直接对应于人脸相似度的度量。一旦这个空间被产生,诸如人脸识别、验证和聚类等任务就可以使用标准技术以FaceNet嵌入作为特征向量轻松地实现。我们的方法使用一个经过训练的深卷积网络来直接优化嵌入本身,而不是像以前的深度学习方法那样使用中间瓶颈层。为了训练,我们使用一种新的在线三元组挖掘方法生成的大致对齐的匹配/不匹配的脸片的三元组。我们的方法的好处是更高的表示效率:我们实现了最先进的人脸识别性能,每个人脸仅使用128字节。在广泛使用的野外标签人脸(LFW)数据集上,我们的系统达到了99.63%的新记录准确率。在YouTube Faces DB上,这一比例达到了95.12%。我们的系统将两个数据集的错误率与最佳发布结果相比降低了30%。我们还介绍了谐波嵌入的概念,以及谐波三重态损耗,它描述了不同版本的面嵌入(由不同的网络产生),它们彼此兼容并允许彼此直接比较。


zbMATH中的参考文献(参考文献30篇文章)

显示第1到第20个结果,共30个。
按年份排序(引用)
  1. 塞尔纳,伊格纳西奥;莫拉莱斯,艾塔米;费雷兹,朱利安;Obradovich,Nick:敏感损失:通过歧视意识深度学习提高面部表征的准确性和公平性(2022)
  2. 陈玲;陈东辉;杨,范;孙建玲:一种用于时间序列分类与检索的深度多任务表征学习方法(2021)
  3. 哈立德·侯赛因。;巴斯尤尼,穆罕默德·尤瑟夫;Gelenbe,Erol:具有峰值随机神经网络的精确、节能分类(2021)
  4. 王俊,刘英露,胡艺博,史海林,陶梅:FaceX动物园:人脸识别的Pythorch工具箱(2021)阿尔十四
  5. 马桂香;艾哈迈德,奈斯林K。;威尔克,西奥多L。;俞,Philip S.:深度图相似性学习:一项调查(2021年)
  6. 帕奇亚迪,洛伦佐;Künzli,皮埃尔;肖邦,巴斯蒂安;舍恩根,马塞尔;Dutta,Ritabrata:模拟火山爆发的近似贝叶斯计算的远程学习(2021)
  7. 王庆忠,张鹏飞,熊浩义,赵健:脸。进化:高性能人脸识别库(2021)阿尔十四
  8. 岛田、Takuya;包、汉;佐藤,Issei;Sugiyama,Masashi:通过经验风险最小化从成对相似性/差异性和未标记数据进行分类(2021年)
  9. 泰勒·阿诺德;劳伦·蒂尔顿:《遥视工具包:一个用于分析视觉文化的Python包》(2021)不是zbMATH
  10. 张红景;詹天阳;巴苏、杉藤;戴维森,伊恩:深度约束聚类的框架(2021)
  11. 张雪;王长忠;范晓东:基于凸壳的距离度量学习用于图像分类(2021)
  12. 阿莫索夫,画外音。;阿莫索瓦公司。;日加诺夫公司。;伊万诺夫,余。S、 。;Pashchenko,F.F.:在访问控制系统中使用深层神经网络识别连续视频流帧中的情况和对象的计算方法(2020)
  13. 崔正航;查伦帕迪,非塔瓦人;佐藤,Issei;Sugiyama,Masashi:根据三重态比较数据进行分类(2020年)
  14. 段佳佳;周建涛;李元曼:基于秘密共享的隐私保护分布式深度学习(2020)
  15. 秦、子轩;阴、孟晓;李桂青;杨峰:SP流:实时SLAM的自监督光流对应点预测(2020)
  16. 瓦莱提斯,维托塔斯;马辛克维修斯,维吉尼朱斯;Jurevicius,Rokas:使用三重网络学习航空图像相似性(2020)
  17. 温塞尔,达芬娜;阿米尔,丹:课程学习理论,凸损失函数(2020)
  18. 徐一冲;巴拉克里希南,西瓦拉曼;辛格,奥尔蒂;Dubrawski,Artur:回归与比较:用序数信息逃避维度的诅咒(2020)
  19. 戈格尔,佩林;Simsek,Ahmet:通过深度叠加去噪稀疏自动编码器(DSDSA)进行人脸识别(2019年)
  20. Nils Reimers,Iryna Gurevych:句子伯特:使用暹罗伯特网络的句子嵌入(2019)阿尔十四