Face Recognition(3) : Siamese Network

Face Recognition(3) : Siamese Network

Siamese network 샴 네트워크는 두 개의 input이 encoding된 결과를 비교하여 그 차이의 정도를 학습합니다. 입력이 각각 x1, x2라고 할 때, 최종 output인 f(x1), f(x2)의 n2 norm을 구하게 됩니다. 즉, f(x1), f(x2) 차의 제곱이 손실함수라고 볼 수 있습니다. Goal of learning 만약 xi, xj가 동일한 사람의 사진이라면 두 output의 차는 거의 없을 것입니다. 반대로 동일한 사람이 아니라면 두 output의 차는 훨씬 크겠죠. 물론 처음에는 그렇게 학습이 되어있지 않겠지만 역전파를 통해 반복적으로 학습하는 과정에서 동일한 사람과 다른 사람을 구분하는 방식으로 학습될 것입니다. 출처: Coursera, Convolutional Neur..

원문링크 : Face Recognition(3) : Siamese Network

 등록된 다른 글

[Upstage] 업스테이지 AI Solution Reliability Engineer 합격 후기 (정규직 전환형 인턴십) (비전공자)

[Upstage] 업스테이지 AI Solution Reliability Engineer 합격 후기 (정규직 전환형 인턴십) (비전공자)

Object Localization

Object Localization

<Multi-modal> FLAVA: A Foundational Language And Vision Alignment Model

<Multi-modal> FLAVA: A Foundational Language And Vision Alignment Model

10월 4주차 논문 요약: Ask Again, BitNet, Self-RAG, Meta-CoT, AutoDan, NEFTune, VeRA, Atlas

10월 4주차 논문 요약: Ask Again, BitNet, Self-RAG, Meta-CoT, AutoDan, NEFTune, VeRA, Atlas

<CoT> [Self-Consistency] Self-Consistency Improves Chain of Thought Reasoning in Language Models (2022.03 -> 2023.03)

<CoT> [Self-Consistency] Self-Consistency Improves Chain of Thought Reasoning in Language Models (2022.03 -> 2023.03)

<Benchmark> [MMHAL-BENCH] Aligning Large Multimodal Models with Factually Augmented RLHF

<Benchmark> [MMHAL-BENCH] Aligning Large Multimodal Models with Factually Augmented RLHF

Matrices transform into the new basis vector set

Matrices transform into the new basis vector set

[SSAFY 8기] 싸피 8기 면접 후기(비전공자)

[SSAFY 8기] 싸피 8기 면접 후기(비전공자)