qq_55796594的博客

ArcFace/InsightFace（弧度）是伦敦帝国理工学院邓建康等在2018.01发表，在SphereFace基础上改进了对特征向量归一化和加性角度间隔，提高了类间可分性同时加强类内紧度和类间差异。论文链接：ArcFace: Additive Angular Margin Loss for Deep Face RecognitionLFW上99.83%，YTF上98.02%作为基于 softmax 改进的损失函数，arcface loss 的出现不是一簇而就的，在 arcface loss 之前有大

1.导入包，配置参数import timeimport osimport paddleANCHORS = [10, 13, 16, 30, 33, 23, 30, 61, 62, 45, 59, 119, 116, 90, 156, 198, 373, 326]ANCHOR_MASKS = [[6, 7, 8], [3, 4, 5], [0, 1, 2]]IGNORE_THRESH = .7NUM_CLASSES = 7def get_lr(base_lr = 0.0001, .

1.数据处理1.1标号数据读取1.1.1数据集划分安全帽数据集共有5000张图片和5000个标注文件xml，每个xml文件对应一张图片，在提取数据集的标号前，首先应该划分数据集train、test、val各3750、625、625张，分别占全部数据集的1/4、1/8、1/8。# 数据预处理:5000张图片和5000个标注xml文件# 划分集合:train:3750, test:625, val:625import osimport shutilfilenames = os.list

目录1.计算标号1.1生成锚框1.2生成预测框1.3标注2.计算损失2.1模型的预测2.2损失的计算3.参考代码3.1计算标号3.2计算损失1.计算标号目标检测的损失，首先要根据真实框计算出预测框，预测框标注了锚框与真实框的中心点和高宽的偏差，物体的类别。模型预测出的是这些偏差值，损失由这些偏差值来建立。1.1生成锚框给出下采样值，将图片划分为 M 行 N 列个小方框，以每个小方框的中心生成多个形状的锚框。将原始图片划分成m×n个区域，假设..