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

You May Also Enjoy