为什么很多做人脸的Paper会最后加入一个Local Connected Conv？

论文太折磨人了 2022-03-09 10:29:44

为什么很多做人脸的Paper会最后加入一个Local Connected Conv？ 

...全文
2067 1 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
weixin_38498942 2022-03-10
  • 打赏
  • 举报
 回复

DeepFace 先进行了两次全卷积＋一次池化，提取了低层次的边缘／纹理等特征。后接了3个Local-Conv层，这里是用Local-Conv的原因是，人脸在不同的区域存在不同的特征（眼睛／鼻子／嘴的分布位置相对固定），当不存在全局的局部特征分布时，Local-Conv更适合特征的提取。

机器学习与深度学习基础学习笔记
深度学习 ．siamese network（暹罗网络又称孪生网络） # 孪生神经网络的用途是什么？ 简单来说，衡量两个输入的相似程度。孪生神经网络有两个输入（Input1 and Input2）,将两个输入feed进入两个神经网络（Network1 and Network2），这两个神经网络分别将输入映射到新的空间，形成输入在新的空间中的表示。通过Loss的计算，评价两个输入的相似度。 # 孪生神经网络和伪孪生神经网络分别适用于什么场景呢？ 先上结论：孪生神经网络用于处理两个输入"比较类似"的情.
深度学习面试100题（21-30）
人们直观的想象，高维的时候这样的局部极值会更多，指数级的增加，于是优化到全局最优就更难了。后接了3个Local-Conv层，这里是用Local-Conv的原因是，人脸在不同的区域存在不同的特征（眼睛／鼻子／嘴的分布位置相对固定），当不存在全局的局部特征分布时，Local-Conv更适合特征的提取。逻辑回归（广义线性模型的一种）的Logistic函数即为神经元激活函数中的Sigmoid函数，很多类似的方法在统计学和神经网络中的名称不一样，容易引起初学者（这里主要指我）的困惑。这来源于一维优化问题的直观想象。
深度学习精选面试题一
后接了3个Local-Conv层，这里是用Local-Conv的原因是，人脸在不同的区域存在不同的特征（眼睛／鼻子／嘴的分布位置相对固定），当不存在全局的局部特征分布时，Local-Conv更适合特征的提取。深度学习时递归的广义线性模型，神经元的激活函数，即为广义线性模型的链接函数。简言之，引起梯度消失和梯度爆炸的原因分别是：梯度消失：根据链式法则，如果每一层神经元对上一层的输出的偏导乘上权重结果都小于1的话，那么即使这个结果是0.99，在经过足够多层传播之后，误差对输入层的偏导会趋于0。
【论文笔记】Efficient multi‐scale 3D CNN with fully connected CRF for accurate brain lesion segmentation
【论文笔记】Efficient multi‐scale 3D CNN with fully connected CRF for accurate brain lesion segmentation 文章题目：Efficient multi‐scale 3D CNN with fully connected CRF for accurate brain lesion segmentation 作者：Konstantinos Kamnitsas , Christian Ledig , Virginia F.
Conv Nets: A Modular Perspective
转载一篇CNN的基础文章，详细地址见：http://colah.github.io/posts/2014-07-Conv-Nets-Modular/
高通开发者论坛

2,852

社区成员

5,758

社区内容

发帖
与我相关
我的任务
社区描述
本论坛以AI、WoS 、XR、IoT、Auto、生成式AI等核心板块组成，为开发者提供便捷及高效的学习和交流平台。 高通开发者专区主页：https://qualcomm.csdn.net/
人工智能物联网机器学习 技术论坛（原bbs） 北京·东城区
社区管理员
  • csdnsqst0050
  • chipseeker
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章