论文:Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks 阅读笔记

本文介绍了一种将人脸检测与对齐结合的多任务级联卷积网络,该方法通过三个阶段实现联合预测,同时提出在线难样本挖掘技术,仅回传每个训练批次中损失位于前70%的样本,有效提高了模型的鲁棒性和准确性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、论文

(16)Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks

https://arxiv.org/abs/1604.02878

二、论文笔记

1、背景

(1)、没人把face detection and alignment结合起来做,或者前面人做得效果不太好

(2)、难分样本挖掘之前采用离线的方式,这样太复杂

2、创新

(1)、提出了一个face detection 和alignment 联合起来做的分三个阶段的多任务网络

训练数据:

描述的太过粗糙,不太明白他的训练 过程以及inference过程

(2)、提出一个在线难样本挖掘的方式

把每次训练的mini batch 里面损失在前70%的样本的loss 进行回传,剩下的不回传

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值