人脸识别中的loss函数 Ox00 softmax + cross Deepface --- 论文 在论文最后一个全连接层的输出到一个k-th的softmax，K是类数。softmax会将输入转化为和为1的概率分布。 \[ p_k = \]

Batch Normalization（BN） 见Batch Normalization（BN）超详细解析_batchnorm在预测阶段需要计算吗-CSDN博客

Masked face recognition using domain adaptation 论文 -- 细读 2024.9 由于缺乏带有身份标签的真实世界蒙面人脸数据集，大多数现有蒙面人脸识别方法直接在从现有未蒙面人脸数据集生成的合成蒙面人脸上重新训练模型[ 10 ]。这种方法的主要缺点是使用合成蒙面人脸不能保证人脸识别系统对现实世界蒙面人脸的性能。 introduce 该网络

masked_face_detection with Genenerative-to-Discriminative Representations 论文 现在对于遮蔽脸部识别有两种主流的解决方案，分为生成式和识别式模型。 本篇论文的创新点在于把生成式模型和识别式模型连接了起来，形成了简称G2D的融合模型 G2D模型先由生成式模型的编码器产生注重类别信息的描述特征（category-awa

SSDMNV2 人脸检测模型，其框架为： SSD将人脸框出再利用mobileNetV2对MASKED进行二分类。 人脸检测: 检测一个人脸是否佩戴口罩 opencv 的SSD（single shot multibox detector）是一个以ResNet-10为basebone的模型 MobileNet是一个图形模型再pytorch，TensorFlow中有预训练权重。加入分类头做迁

masked face recognize 最新综述： A Comprehensive Survey of Masked Faces: Recognition, Detection, and Unmasking 2024 FU (face unmasking) -- 去除遮蔽物的方法，generative 方法 FMR(Face Mask Recognition) -- 分辨是否带口

用DCNN来学习人脸表示，把人脸图片映射到特征空间，使得类内距离小类间距离大 一般两条主线方法，代表分别为softmax loss和triplet loss,但是都有一些缺陷 softmax classifier 通过多分类问题来训练模型 缺点如下： 线性变换矩阵的大小W∈Rd×n随着身份数的增加而线性增加n; 学习到的特征对于封闭集的分类问题是可分离的的分类问题是可

参见link

文件权限详解 使用ls -l查看文件详情 字段说明 文件权限字段说明 ## 文件类型字符 - 当为[ d ]则是目录，例如上表文件名为“.config”的那一行； - 当为[ - ]则是文件，例如上表文件名为“initial-setup-ks.cfg”那一行； - 若是[ l ]则表示为链接文件（link file）； - 若是[ b ]则表示为设备文件里面的可供储存的周边设备（可

目录FHS标准 根据FHS的标准文件指出，他们的主要目的是希望让使用者可以了解到已安装软件通常放 置于那个目录下， 所以他们希望独立的软件开发商、操作系统制作者、以及想要维护系统的 使用者，都能够遵循FHS的标准。 也就是说，FHS的重点在于规范每个特定的目录下应该要 放置什么样子的数据而已。 这样做好处非常多，因为Linux操作系统就能够在既有的面貌下 （目录架构不变）发展出开发