admin管理员组

文章数量:1130349

论文地址： https://arxiv/pdf/2105.10375.pdf 代码地址: GitHub - tiandunx/FFC: Official code for fast face classification 看标题大概的理解-其解决的问题：      现阶段我们训练人脸提特征网络，随着人脸ID数据的增加，dataloader和fc层的计算导致硬件开销极大。训练过程中理论上希望将大量数据集中的ID都用上，作者提出这篇文章，能够在一定层度上缓解大数据量情况下，dataloader和fc层参数量的限制。       读文章前大致看了下代码，作者提出数据存储加载方式以使用迭代器加载2个dataloader(该方式在多任务以及多标签中也会经常使用，感觉算是技巧吧，具体论文中的内容后续阅读记录)。 Abstract ：         大致理解：随着人脸识别数据集的不断扩充，设计一种高效的训练方法，降低全连接(FC)层的百万级维数所致的计算和内存损耗。提出了一种新的训练方法人脸分类(F2C),目的：在不牺牲性能的情况下减轻论文地址： https://arxiv/pdf/2105.10375.pdf 代码地址: GitHub - tiandunx/FFC: Official code for fast face classification 看标题大概的理解-其解决的问题：      现阶段我们训练人脸提特征网络，随着人脸ID数据的增加，dataloader和fc层的计算导致硬件开销极大。训练过程中理论上希望将大量数据集中的ID都用上，作者提出这篇文章，能够在一定层度上缓解大数据量情况下，dataloader和fc层参数量的限制。       读文章前大致看了下代码，作者提出数据存储加载方式以使用迭代器加载2个dataloader(该方式在多任务以及多标签中也会经常使用，感觉算是技巧吧，具体论文中的内容后续阅读记录)。 Abstract ：         大致理解：随着人脸识别数据集的不断扩充，设计一种高效的训练方法，降低全连接(FC)层的百万级维数所致的计算和内存损耗。提出了一种新的训练方法人脸分类(F2C),目的：在不牺牲性能的情况下减轻

本文标签： TrainingApproachEfficientfaceRecognition

版权声明：本文标题：CVPR2022学习-人脸识别:An Efficient Training Approach for Very Large Scale Face Recognition 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://it.en369.cn/jiaocheng/1763632572a2949812.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。