#2020年一周见闻# 02最近杂图:
图一:双机x102
图二:双机倒行n5 49556
图三:0k8391 列尾wx
图四五:梅钢
图六:林浦三线 348
图七-九 黄驴0530南京南至宝华通过金马路跨线桥,0630回南京站城际场,0710过白宫回南京所(结合实地观察和@Enoch-Xiang @小飞侠1234快乐 情报)。大量风景优美的南京南、仙宁线、城际线机位等待开发,特别是沧波门之紫金山宁芜平行一线真让人激动,(要是早点知道,可以拍黄驴和ND5并行)
图十-十五,林场小拍。
图一:双机x102
图二:双机倒行n5 49556
图三:0k8391 列尾wx
图四五:梅钢
图六:林浦三线 348
图七-九 黄驴0530南京南至宝华通过金马路跨线桥,0630回南京站城际场,0710过白宫回南京所(结合实地观察和@Enoch-Xiang @小飞侠1234快乐 情报)。大量风景优美的南京南、仙宁线、城际线机位等待开发,特别是沧波门之紫金山宁芜平行一线真让人激动,(要是早点知道,可以拍黄驴和ND5并行)
图十-十五,林场小拍。
6分!国米尤文近10年来同期最低分差!
国米目前积71分,落后尤文6分,仍有赢得意甲冠军的希(huan)望(xiang)。数据显示,10年来,国米首次33轮过后,同尤文的分差是个位数。
————————————————————————
这条也不是什么太新的新闻,就是讨论下这个事儿,应该归功于萨里,还是归功于孔蒂呢[doge]
#国际米兰##意甲联赛#
国米目前积71分,落后尤文6分,仍有赢得意甲冠军的希(huan)望(xiang)。数据显示,10年来,国米首次33轮过后,同尤文的分差是个位数。
————————————————————————
这条也不是什么太新的新闻,就是讨论下这个事儿,应该归功于萨里,还是归功于孔蒂呢[doge]
#国际米兰##意甲联赛#
#计算机视觉[超话]# #人工智能# #ECCV2020##人脸聚类##人脸识别#
Improving Face Recognition by Clustering Unlabeled Faces in the Wild
利用未标记人脸聚类提高人脸识别率
虽然深度人脸识别从大规模标注数据中受益匪浅,但目前的研究主要集中在利用非标注数据进一步提升性能,以降低人工标注的成本。此前的工作大多是在受控环境下进行的,其中标注数据集和未标注数据集通过构造没有重叠的身份。这在大规模的人脸识别中是不现实的,因为在人脸识别中,人们必须应对这种重叠,其频率随着数据量的增加而增加。忽略身份重叠会导致显著的标签噪声,因为来自同一身份的数据被分割成多个聚类。
为解决此问题,本文提出一种基于极值理论的新型身份分离方法。它是以分布外检测算法的形式来制定的,并大大降低了重叠-身份标签噪声带来的问题。将聚类分配视为伪标签,还必须克服聚类误差带来的标签噪声。提出一种余弦损耗的调制方法,调制权重对应聚类不确定性的估计。
在受控和真实环境下的大量实验表明,所提出方法有所改进,例如,在IJB-A验证上改进了11.6%。
作者 | Aruni RoyChowdhury, Xiang Yu, Kihyuk Sohn, Erik Learned-Miller, Manmohan Chandraker
单位 | 马萨诸塞大学;NEC Labs America;加利福尼亚大学圣迭戈分校
论文 | https://t.cn/A6ypHtYB
Improving Face Recognition by Clustering Unlabeled Faces in the Wild
利用未标记人脸聚类提高人脸识别率
虽然深度人脸识别从大规模标注数据中受益匪浅,但目前的研究主要集中在利用非标注数据进一步提升性能,以降低人工标注的成本。此前的工作大多是在受控环境下进行的,其中标注数据集和未标注数据集通过构造没有重叠的身份。这在大规模的人脸识别中是不现实的,因为在人脸识别中,人们必须应对这种重叠,其频率随着数据量的增加而增加。忽略身份重叠会导致显著的标签噪声,因为来自同一身份的数据被分割成多个聚类。
为解决此问题,本文提出一种基于极值理论的新型身份分离方法。它是以分布外检测算法的形式来制定的,并大大降低了重叠-身份标签噪声带来的问题。将聚类分配视为伪标签,还必须克服聚类误差带来的标签噪声。提出一种余弦损耗的调制方法,调制权重对应聚类不确定性的估计。
在受控和真实环境下的大量实验表明,所提出方法有所改进,例如,在IJB-A验证上改进了11.6%。
作者 | Aruni RoyChowdhury, Xiang Yu, Kihyuk Sohn, Erik Learned-Miller, Manmohan Chandraker
单位 | 马萨诸塞大学;NEC Labs America;加利福尼亚大学圣迭戈分校
论文 | https://t.cn/A6ypHtYB
✋热门推荐