search

SoftwareGift / FeatherNets_Face-Anti-spoofing-Attack-Detection-Challenge-CVPR2019

Code for 3rd Place Solution in Face Anti-spoofing Attack Detection Challenge @ CVPR2019,model only 0.35M!!! 1.88ms(CPU)
Other
928 stars 282 forks source link

focal loss是否只使用了1024维的输出向量的前两个元素 #42

Open LuckyDoggy opened 5 years ago

LuckyDoggy commented 5 years ago

您在论文里说直接输出1024维的特征向量，不使用全连接层，这样在计算focal loss时是不是只使用了向量的前两个元素。这样的话是不是会丢失很多信息？

george2099 commented 5 years ago

我也发现这个问题，把1024维拉伸后，只用前两维做分类，但是我尝试做个FC效果反而不好。但是这么做很多卷积都是浪费的，不太了解原因

lihuikenny commented 4 years ago

我也发现这个问题，把1024维拉伸后，只用前两维做分类，但是我尝试做个FC效果反而不好。但是这么做很多卷积都是浪费的，不太了解原因

请问您有数据集吗？能不能发我一份？

tp-nan commented 4 years ago

我也发现这个问题，把1024维拉伸后，只用前两维做分类，但是我尝试做个FC效果反而不好。但是这么做很多卷积都是浪费的，不太了解原因

我的感觉是做分类的话的确浪费了 但是其实多的计算量几乎可以忽略不计； 作者保留1024的feature ， 这样懒得改代码就可以直接 用作其他用途的训练： 可以训练多分类， 可以当做提取的特征用作人脸识别等。

作者在论文中说加了FC网络容易过拟合。 可以试试加些dropout