less than 1 minute read

论文发表时间:2018年07月15日
论文:https://arxiv.org/abs/1807.05520

一、一句话总结

第一句:深度学习(CNN)与传统机器学习(聚类)的结合,将监督学习转化成了无监督方案;
第二句:精度高,速度快,模型小;

二、Q&A

1.人脸特征点检测的挑战

  • Local Variation
    人脸表情变化很大,真实环境光照复杂,而且现实中大量存在人脸局部被遮挡的情况等;
  • Global Variation
    人脸是3D的,位姿变化多样,另外因拍摄设备和环境影响,成像质量也有好有坏;
  • Data Imbalance
    现有训练样本各个类别存在不平衡的问题;
  • Model Efficiency
    在计算受限的设备比如手机终端,必须要考虑计算速度和模型文件大小问题;

三、贡献

(1) 提出一种新的无监督方法来实现卷积网络的端到端学习,这种方法适用与任何一种传统机器学习聚类算法,比如 k-means 或 层次聚类等,且操作简单;
(2) 在使用无监督学习的许多标准迁移任务中达到当前最佳水平;what (3) 在未处理的图像上表现最好;什么样的处理
(4) 讨论了无监督学习的评估方案;

四、结论

五、基本流程/解决方案

六、实验

(一)数据集

(二)实验结果

1. 实验

结论一

Comments