Facenet:使用人脸嵌入集的集合
Facenet:使用人脸嵌入集的集合
提问于 2017-12-26 07:35:15
Facenet是一种用于人脸识别的深度学习模型。它被训练用于提取特征，即用一个称为嵌入的固定长度向量来表示图像。训练后，对于每幅图像，我们以第二最后一层的输出作为特征向量。然后，我们可以根据特征和某些距离函数(例如，欧几里德距离)进行验证(以判断两幅图像是否属于同一人)。
三重态损失是一个损失函数，它基本上表示，同一人的特征向量之间的距离应该很小，不同的人之间的距离应该很大。
我的问题是，有没有办法混合不同的嵌入集从不同的卷积模型？例如，训练3种不同的模型(一个Resnet模型，一个盗梦空间，和一个VGG)的三重态损失，然后混合3 128维嵌入，以建立一个新的元嵌入，以更好的人脸验证精度。如何混合这些嵌入集？
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-01-15 05:47:13
还有一个同样的问题和有用的答案，这里。
我认为有不同的方法可以做到这一点，例如: 1)将两个嵌入连接起来，然后应用PCA，2)规范每个嵌入并将它们连接在一起，这样每个模型都能对最终结果做出同样的贡献。3)将每个嵌入的每个特征归一化为(0,1)，比如通过高斯CDF将它们连接起来，这样每个特征对结果的贡献都是相等的。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47975366
复制相关文章
相似问题
腾讯云开发者
