FaceNet: A Unified Embedding for
2019-04-18 本文已影响0人
挺老实
1 文章说明
方向:脸部识别
时间:2015
会议:CVPR2015
2主要贡献
提出了Triplet Loss ,其思想为Achor 样本(A), 正样本(P),负样本(N),使A-P的距离小于A-N的距离:
方向:脸部识别
时间:2015
会议:CVPR2015
提出了Triplet Loss ,其思想为Achor 样本(A), 正样本(P),负样本(N),使A-P的距离小于A-N的距离: