顔認識
1、ワンショット学習(学習):
顔認識は、のみのみサンプルを通じて学習することができ、画像によって行われます。
類似機能:
D(IMG1、IMG2)=画像間の相違度
認識タスク(検証):
もしD(IMG1、IMG2)≤τ:「同じ」。
他:「違います」
2、シャムネットワーク:
画像は、ニューラルネットワークを介してコード128畳み込み変換、「Xの符号化と呼ぶ(I)、」F(Xと呼ぶ(I) )。
D(X (1)、X (2))= || F(X (1) )- F(X (2))|| 2。
3、三重項損失(ロストリプレット):
(1)背景:
データの各セットは、結果が「正」及び「負」と比較された3枚の画像であります
所望の結果:|| F(A) - F(P)|| 2 ≤|| F(A) - F(N)|| 2 、すなわちD(A、P)≤D (A、N)、
即|| F(A) - F(P)|| 2 - || F(A) - F(N)|| 2 ≤0。
避けF(A)= F(P)= F(N)は、式を向上させる必要があります。
|| F(A) - F(P)|| 2 - || F(A) - F(N)|| 2 +α≤0、
即|| F(A) - F(P)|| 2 +α≤|| F(A) - F(N)|| 2。
ここでαは、間隔(マージン)と呼ばれています。
(2)損失関数:
3つの画像A、P、N所与。
L(A、P、N)=最大{|| F(A) - F(P)|| 2 - || F(A) - F(N)|| 2 +α、0}
=ΣL J(A (I)、P (I)、N (I) iは1からmまで実行)。
10,000千枚の個々の写真のトレーニングセット(一人10の平均値)。
(3)選択トリプル:
ランダムに選択されたトリプレット、D(A、P)+α≤条件は(A、N)~D場合、容易に満たすことができる、トレーニング効果を達成することができない、D(A、P)≈D(A、の選択を満たす必要がありますN)は、トライアド。
4、顔の検証と二分:
Y = 1の場合には、同一人物であると判定され、0のとき、Yは=、同一人物でないと判定されました。
移行のスタイル
1.スタイルの移行(スタイル転送)とは何ですか?
2、コスト関数:
J(G)=α* Jの含有量(C、G)+β* Jのスタイル(S、G)
内容代价函数 Jcontent[l](C,G) = 1/2 * || a[l][C] - a[l][G] ||2
风格损失函数 Jstyle(S,G):
style matrix风格矩阵,用于计算两个每一对激活项之间的相关系数:
Jstyle(S,G) = ∑ λ[l] * Jstyle[l](S,G)