欧美性猛交XXXX免费看蜜桃,成人网18免费韩国,亚洲国产成人精品区综合,欧美日韩一区二区三区高清不卡,亚洲综合一区二区精品久久

代碼鏈接：

https://github.com/XiaohangZhan/face_recognition_framework

該庫本來(lái)是用于作者XiaoHangZhan在ECCV 2018論文Consensus-Driven Propagation in Massive Unlabeled Data for Face Recognition中的研究，關(guān)于該論文52CV之前的解讀：

新思路！商湯開(kāi)源利用無(wú)標注數據大幅提高精度的人臉識別算法

為什么要用多任務(wù)方式訓練人臉識別？

作者稱(chēng)，不同的數據集含有不同的屬性類(lèi)別定義，我們往往難以對其進(jìn)行直接合并，而使用多任務(wù)學(xué)習，是有效利用數據集的一種方式。

該庫特征：

1. 支持學(xué)習框架: Multi-task, Single Task

2. 支持的損失函數: Softmax Loss, ArcFace

3. 支持的骨干網(wǎng)類(lèi)型: ResNet, DenseNet, Inception, InceptionResNet, NASNet, VGG

4. 支持的人臉基準數據集: Megaface (FaceScrub), IJB-A, LFW

5. 數據增廣策略: 翻轉, 縮放, 平移

6. 可以使用Tensorboard進(jìn)行在線(xiàn)測試與可視化。

該庫的使用非常簡(jiǎn)單，基本只要下載、設置好數據配置，訓練、評估、提取特征都只需要一行命令。

Baseline結果：

感謝作者的開(kāi)源，歡迎大家研究試用。

https://github.com/XiaohangZhan/face_recognition_framework

人臉識別交流群