原理:异构深度神经网络的某些权值是与具体的属性相对应的,例如其神经元的激活值对应于某种粒度的特征。利用大量具有属性标记的训练数据,采用多任务学习机制并在损失函数中加入稀疏性约束,通过考察神经元对不同刺激的反馈,可建立网络单元与属性的映射关系,实现网络结构的语义化。 利用异构深度神经网络,可在人脸模型中方便地加入光照、遮挡、角度、年龄、种族等多种先验信息,增强了模型的适应性和特征的表达能力。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~