coco_loss Matlab代码实现：利用自然余弦损失学习深度特征以进行人脸识别

中心差分matlab代码可可损失 更新：我们发布了用于人脸识别的网络结构。 我们会在问答环节回答一些常见问题。 更新：我们有这项工作的更新版本，我们称为COCO_v2 。 从v1到v2的区别在于，在一个简短的故事中，我们（a）提出了在COCO损失之前施加于输入特征的最佳比例因子； （b）实验已扩展到PIPA以外的大规模人脸识别数据集。 代码库是UPGRADED到COCO_v2。 :) 用于通过人的识别的余弦损失来学习深度特征的代码库（COCO_v1），。 在本文中，我们使用新提出的数据集进行评估； 它是用于人识别的大规模数据集。 我们提供了一个示例代码，用于生成COCO损耗，Softmax损耗和中心损耗的分布，如图3所示。 请按照以下步骤操作： 运行示例代码 用matlab界面编译 将路径CaffeMex_v2/matlab/+caffe链接（Linux）或复制（Windows）到该项目中的根目录 运行script_show_minist.m 只需花费几秒钟即可生成三个数字： 请注意，分布是根据model/[LOSS_NAME] caffemodels生成的。 您可以通过使用model