文件名称：Deep-Metric-Learning-CVPR16, 提升结构化特征嵌入的深度量学习主库.zip
文件大小：57KB
文件格式：ZIP
更新时间：2022-10-07 17:45:07
开源
Deep-Metric-Learning-CVPR16, 提升结构化特征嵌入的深度量学习主库 基于提升结构特征嵌入的深度度量这个库有源代码和斯坦福在线产品数据集( ) 。 本文在 cv基础上进行了研究。 如果你只需要Caffe代码，请查看子模块。 对于损耗层实现，请看这里的 。引用这里工作如果你发现这里工作在你的研究中有用，请
【文件预览】：
Deep-Metric-Learning-CVPR16-master
----.gitmodules(158B)
----Caffe-Deep-Metric-Learning-CVPR16()
----model()
--------train_val_googlenet_finetune_liftedstructsim_softmax_pair_m128_multilabel_embed128.prototxt(35KB)
--------extract_googlenet_ebay_feature_embed64.prototxt(35KB)
--------extract_googlenet_ebay_feature_embed128.prototxt(35KB)
--------solver_googlenet_finetune_liftedstructsim_softmax_pair_m128_multilabel_embed512_baselr_1E4.prototxt(618B)
--------solver_googlenet_finetune_liftedstructsim_softmax_pair_m128_multilabel_embed128_baselr_1E4.prototxt(618B)
--------extract_googlenet_ebay_feature_embed256.prototxt(35KB)
--------train_val_googlenet_finetune_liftedstructsim_softmax_pair_m128_multilabel_embed64.prototxt(35KB)
--------extract_googlenet_ebay_feature_embed512.prototxt(35KB)
--------solver_googlenet_finetune_liftedstructsim_softmax_pair_m128_multilabel_embed64_baselr_1E4.prototxt(616B)
--------train_val_googlenet_finetune_liftedstructsim_softmax_pair_m128_multilabel_embed256.prototxt(35KB)
--------train_val_googlenet_finetune_liftedstructsim_softmax_pair_m128_multilabel_embed512.prototxt(35KB)
--------solver_googlenet_finetune_liftedstructsim_softmax_pair_m128_multilabel_embed256_baselr_1E4.prototxt(618B)
----LICENSE(1KB)
----code()
--------gen_caffe_validation_imageset.m(969B)
--------serialized_pairs_to_leveldb.cpp(7KB)
--------find_dups.m(1KB)
--------gen_images.m(671B)
--------imageset_to_leveldb.cpp(6KB)
--------check_images.m(357B)
--------get_training_examples_multilabel.m(5KB)
--------compile.m(414B)
--------gen_splits.m(2KB)
--------config.m(1KB)
--------serialized_triplets_to_leveldb.cpp(6KB)
--------compute_googlenet_distance_matrix_cuda_embeddings_liftedstructsim_softmax_pair_m128.py(2KB)
--------gen_caffe_dataset_multilabel_m128.m(3KB)
--------savefast.m(2KB)
--------evaluation()
--------load_cropped_images.m(2KB)
----README.md(4KB)