搜索资源列表
FaceNet-A-Unified-Embedding-for-Face-Recognition-and-Clustering
- FaceNet---深度学习与人脸识别的二次结合 Facenet是一个通用的系统，采用CNN神经网络将人脸图像映射到128维的欧几里得空间，我们可以根据两幅人像的欧几里得距离去判断两个人像的相似程度。两个人像之间的欧几里得距离越近，说明它们越相似。 FaceNet可以用于人脸验证（是否是同一人？），识别（这个人是谁？）和聚类（寻找类似的人？）。FaceNet采用的方法是通过卷积神经网络学习将图像映射到欧几里得空间。空间距离直接和图片相似度相关：同一个人的不同图像在空间距离很小，不同人的图像在
Face Recognition. From Traditional to Deep Learning Methods
- 近几年，传统的人脸识别算法被深度卷积网络所代替。CNN的主要优势就是可以结合庞大的数据集提取出原先所提出不出来的优质feature,与此同时精度也提升了很多。同时CNN的出现也加速了计算机视觉的发展，例如object detection 、recognition、segmentation。
YOLOv4:目标检测的最优速度和精度
- 基于YOLOv4开源方案，提高卷积神经网络(CNN)的准确性。并附带开源代码地址。 https://github.com/AlexeyAB/darknet.
基于卷积神经网络的道路目标检测算法
- 针对实际交通场景下道路目标检测时存在检测精度低、检测速度慢以及难以检测小目标的问题，faster R-CNN的快速、精确道路目标检测算法。该算法包括一个精确目标区域网络 和一个目标属性学习网络通过引入反卷积结构，设计网络的损失函数，提高小目标的检测性能，为加快算法的计算速度。
Faster R-cnn
- Faster R-cnn经典算法文章，用于图像识别！