学习视觉相似度对于各种视觉任务至关重要，如图像聚类、人脸检测或图像检索，从而为日常应用奠定基础，如智能手机上的图像集合的智能排列、浏览器中的网络规模的图像搜索或在线购物时推荐产品。今天，学习捕捉相似度的视觉表示的主要方法是深度度量学习，它专门针对从新颖的、看不见的类中检索对象和图像。此外，相似性学习与对比学习密切相关，对比学习是自监督学习的主导方法，分别是迁移学习。
在本教程中，我们将深入介绍深度度量学习(DML)的领先学习范式，以及如何实际评估其(超出分布)泛化的未来方向。具体来说，本教程将涵盖以下主题: (i) DML目标函数的概况，(ii)先进的和上下文相关的DML公式，(iii) DML中数据采样的重要性，(iv)公平和现实地评估DML方法的最佳实践，最后，(v)我们将DML与计算机视觉和模式识别的相关领域联系起来，如对比学习，少样本学习，迁移学习和人脸识别。
2022-06-23 09:11:37
26.39MB
我们团队经过细致的观察以及市场前景的调查提出了“基于人脸识别的太阳能共享快递柜”这个项目以解决快递配送行业所面临的严峻问题。
适用大学生参考学习。
大创-大学生创新创业训练计划项目申报书-软件-基于人脸识别的太阳能共享快递柜-参考
2022-06-22 12:05:21
438KB
1
我们希望通过这项研究，能够完成一套能够生成高质量的逼真的人脸图像的系统，能够做到如下几个方面的内容：
1.1与传统的图像补绘方法不同，人脸补绘需要目标对象的内容、轮廓和结构信息，以实现真实的输出。
1.2考虑人脸的特殊特征，充分挖掘和利用人脸所包含的信息，以生成和谐自然的人脸。
1.3对大面积缺失的人脸信息进行补全，注重对特征自然和谐的人脸部位的重建，在结构和外观上保持一致的情况下，为缺失的关键部件生成新的语义像素。
适用大学生参考学习。
大创-大学生创新创业训练计划项目申报书-软件-基于人脸先验信息的人脸图像补全研究-参考
2022-06-22 12:05:20
805KB
1
1.领域：matlab，深度学习GoogleNet网络算法
2.内容：【含操作视频】基于深度学习GoogleNet网络,根据人员面部信息识别人员身份Matlab仿真,+图像数据库
3.用处：用于深度学习GoogleNet网络算法编程学习
4.指向人群：本硕博等教研学习使用
5.运行注意事项：
使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。
具体可观看提供的操作录像视频跟着操作。
2022-06-22 12:05:19
38.42MB