- 博客(314)
- 资源 (92)
- 收藏
- 关注
RSS订阅原创 图像超分辨之RDN（Residual Dense Network）
论文：Residual Dense Network for Image Super-Resolution Github：https://github.com/yulunzhang/RDNhttps://github.com/hengchuan/RDN-TensorFlow 整体结构： RDN（Residual Dense Network）主要包含4个模块。...
2018-08-06 19:38:14
38712
6
原创 注意力模型CBAM
论文：CBAM: Convolutional Block Attention Module Convolutional Block Attention Module (CBAM) 表示卷积模块的注意力机制模块。是一种结合了空间（spatial）和通道（channel）的注意力机制模块。相比于senet只关注通道（channel）的注意力机制可以取得更好的效果。 基于传统VGG结构...
2018-08-03 19:27:03
80777
77
原创 识别引擎ocropy->ocropy2->OCRopus3总结
论文：The OCRopus Open Source OCR SystemTransfer Learning for OCRopus Model Training on Early Printed BooksGitHub：https://github.com/tmbdev/ocropyhttps://github.com/tmbdev/ocropy2https://gith...
2018-07-28 17:24:54
7149
24
原创 vim 插件配置
vimrc位置：/etc/vim/vim插件位置：~/.vim也就是/root/.vimVim背景主题位置：/usr/share/vim/vim74Vim基本命令配置：set nu "可以在每一行最前面显示行号set tabstop=4 "tab=4个空格set cursorline "显示行...
2018-07-23 17:21:08
2080
原创 字符识别引擎Calamari总结
论文：Calamari - A High-Performance Tensorflow-based Deep Learning Package for Optical Character Recognition Github：https://github.com/Calamari-OCR/calamari依赖：Python3Tensorflow1.8图片预处理：灰度图片 ...
2018-07-18 18:42:50
5780
2
原创 场景文字检测之CTPN
论文：Detecting Text in Natural Image with Connectionist Text Proposal NetworkGithub（caffe版本）:https://github.com/tianzhi0549/CTPNGithub（tensorflow版本）:https://github.com/eragonruan/text-detection-ctpn...
2018-07-11 17:29:38
9314
9
原创 文本行检测之PixelLink
论文：PixelLink: Detecting Scene Text via Instance Segmentation Github：https://github.com/ZJULearning/pixel_link 整体框架： PixelLink主要基于CNN网络，分别做文本，非文本分类预测和像素的8个方向是否连接预测这2个任务。然后基于Opencv的minAreaRe...
2018-07-07 18:17:37
14558
1
原创 SENet
论文：Squeeze-and-Excitation NetworksGithub：https://github.com/hujie-frank/SENet Momenta ILSVRC 2017 分类任务的冠军，top-5 错误达到2:251% ，相比2016年冠军有∼25% 的准确性提升。 模型整体结构：Ftr函数表示一系列的卷积，池化操作等。其中X代表输入图片，v代表卷积核。Fsq函数代表gl...
2018-07-02 19:49:56
4013
原创 姿态估计之CPN(Cascaded Pyramid Network)
这篇是face++2017年coco keypoint benchmark 数据集冠军的文章。主要提出了基于CPN(Cascaded PyramidNetwork)结构的人体关键点检测框架。Top-downpipeline：整体框架采用Top-down自上而下的检测策略。首先使用行人检测框架，先检测出行人候选框。然后使用本文的CPN网络对每一个检测出来的行人候选框进行人体关键点的回归，进而输出最终...
2018-07-01 00:15:48
26462
原创 目标检测之Light-Head R-CNN
Face++ 2017年的作品。主要基于RFCN的改进，基于2种基础框架backbone得出2种模型。以ResNet101为基础网络的大模型，具有比faster RCNN更高的精度，以类似Xception为基础网络的小模型，比SSD，YOLO更快。 类似Xception的网络结构如下图所示。 下图分析了faster RCNN，RFCN，Light-Head R-CNN，三个...
2018-06-29 20:06:44
6694
原创 MegDet：大mini-batch 检测器
MegDet为face++ 提出的通用检测框架。整体结构为类似于faster RCNN的2层结构，基础网络类似于Resnet50。获得了2017 COCO检测第一名，发表于cvpr 2018。文章主要讲解大mini-batch这个训练技巧，实现了在大mini-batch下的精度提升1.5个点。 小mini-batch的缺点：（1）训练时间太长。（2）小的batch对于b...
2018-06-25 17:49:48
2841
原创 损失函数loss大总结
分类任务loss:二分类交叉熵损失sigmoid_cross_entropy：TensorFlow 接口：tf.losses.sigmoid_cross_entropy( multi_class_labels, logits, weights=1.0, label_smoothing=0, scope=None, loss_c...
2018-06-23 23:29:44
119281
30
原创 端到端的文本检测识别
选自ICCV 2017 澳大利亚阿德莱德大学沈春华老师组的作品Towards End-to-end Text Spotting with Convolutional Recurrent Neural Networks 。是目前为止第一篇提出端到端OCR文字检测+识别的文章。 文章主要3点贡献：（1）提出端到端的OCR检测+识别的框架（2）改进的ROI pooling。相比于fasterRCNN中R...
2018-05-21 18:35:27
11680
1
原创 yolov3
Anchor策略：yolov3延续了yolov2的anchor策略，基本没有变化。边框的表示方式通过框的中心坐标bx,by，和框的宽bw，高bh这4个变量来表示。实际预测的值为tx,ty,tw,th。由tx,ty,tw,th得到bx,by,bw,bh的详细公式如上图，其中，cx，cy为框的中心坐标所在的grid cell 距离左上角第一个grid cell的cell...
2018-05-16 12:23:56
31444
14
原创 使用渐进校准网络(PCN)的实时旋转不变人脸检测
论文为山世光老师组2018 cvpr的作品。 人脸3D变换基础：平面内旋转(左右歪头问题)：roll，本人重点讨论的问题平面外左右旋转(正脸，侧脸问题)：yaw平面外俯仰(仰头，低头问题)：pitch 方向相关人脸检测的思路：(a) 使用数据增强的方法，增加各种角度的人脸进行训练，该思路大大的依赖于样本的多样性，同时为了让网络能同时学到这么多的信息，也需要一个较大的网络结构。(b) 使用分治的策略...
2018-05-07 14:16:19
5683
1
原创 Group Normalization
FAIR 团队，吴育昕和恺明大大的新作Group Normalization。主要的优势在于，BN会受到batchsize大小的影响。如果batchsize太小，算出的均值和方差就会不准确，如果太大，显存又可能不够用。而GN算的是channel方向每个group的均值和方差，和batchsize没关系，自然就不受batchsize大小的约束。从上图可以看出，随着batchsize的减小，GN的表现...
2018-03-26 18:40:43
9690
10
原创 年龄识别数据集IMDB-WIKI
ICCV,2015, DEX: Deep EXpectation of apparent age from a single image文章3个insight：（1）分享了IMDB-WIKI数据集，包含524230张从IMDB 和Wikipedia爬取的名人数据图片。具体数据分布如下图： （2）一个新颖的化回归为分类的年龄算法。本质就是在0-100之间的101类分类后，对...
2018-03-21 09:02:16
10940
1
原创 空间变换网络STN
出自论文Spatial Transformer NetworksInsight：文章提出的STN的作用类似于传统的矫正的作用。比如人脸识别中，需要先对检测的图片进行关键点检测，然后使用关键点来进行对齐操作。但是这样的一个过程是需要额外进行处理的。但是有了STN后，检测完的人脸，直接就可以做对齐操作。关键的一点就是这个矫正过程是可以进行梯度传导的。想象一下，人脸检测完了，直接使用R
2018-03-10 19:20:40
28247
6
原创 边缘检测之HED
出自论文，Holistically-Nested Edge Detection ，ICCV2015,Marr奖提名，非常值得看的一篇。边缘检测的工作分为以下3个研究方向：(1)传统的检测算子：Sobel ,Canny(2)基于信息理论设计的手工特征：Statistical Edges ,Pb ,gPb(3)基于学习方法设计的手工特征：BEL , Multi-scale ...
2018-03-07 20:48:52
30469
7
原创 基于多输出顺序回归的年龄识别
源自2016 cvpr，Ordinal Regression with Multiple Output CNN for Age Estimation ，文章主要2个贡献：（1）将传统的年龄回归问题转化为多个顺序2分类问题文章网络的整体结构如下图所示： 在经过3个卷积模块后，接入一个全连接层，然后输出K-1个通道的2分类任务。例如这里，Task1预测年龄是否大于1，Tas...
2018-03-06 16:40:17
4844
原创 中文街景数据集CTW
源自论文，Chinese Text in the Wild主要包含32285张图片，共计1018402个汉字，3850个汉字类别。主要来自清华-腾讯100K数据集和腾讯街景数据集。图片大小为2048*2048。其中训练集：检测测试集：识别测试集=8：1：1该数据集可以用于自然场景文字的检测和识别2个任务。 Annotation 包括：（1） 每个汉字的检测框（2） 一行汉字的检测框（3） 是否遮挡...
2018-03-05 15:00:54
11005
3
原创 人脸检测之S3FD
该方法出自论文S3FD: Single Shot Scale-invariant Face Detector文章改进点：（1）基于不同layer层的不同scale的anchor策略其中各个卷积层的滑动步长，anchor大小，感受野大小分别如下，其中anchor 的aspect ratio为1:1。这样的设置，主要是由于作者在实际真实数据样本中得出，anchor面
2018-02-25 22:05:58
9141
2
原创 Bootstrapping Face Detection with Hard Negative Examples
这篇文章是小米2016年的FDDB人脸检测第一名的文章。作者万韶华，博士。 文章主要是基于fasterRCNN的框架进行人脸检测。主要优化的地方在于难例挖掘（hard negative mining）。文章中的难例挖掘思路和传统的训练cascade人脸检测的思路很像。先是使用传统的fasterRCNN跑一次，然后将得到的hardexamples输入下一次的网络训练集中，如此迭代的反复训
2018-02-13 15:18:18
1902
原创 场景文字识别Sliding Convolution笔记
出自文章，Scene Text Recognition with Sliding Convolutional Character Models方法优势：（1）相对于基于先分割再识别的方法，该方法避免了复杂的字符分割过程。（2）避免了rnn训练过程中的梯度消失和梯度爆炸的问题，使得训练过程比较容易（3）相对于基于单词识别的方法，该基于字符识别的方法可以识别基于单词的方法不能识别的单词...
2018-02-11 19:42:55
4174
8
原创 基于Faster-RCNN的人脸检测
出自这篇文章，Face Detection with the Faster R-CNN文章主要使用Faster-RCNN框架，使用wider-face训练数据集进行人脸检测的训练。VGG基础框架的faceFaster-RCNN模型大小522M。 安装测试：git clone --recursive https://github.com/playerkk/face-py-faster-rcnn.gi...
2018-02-11 12:29:27
6727
6
原创 DenseNet解读
Densely Connected Convolutional Networks ,作者清华姚班的刘壮，获得cvpr 2017 best paper。非常值得阅读。DenseNet优势：（1）解决了深层网络的梯度消失问题（2）加强了特征的传播（3）鼓励特征重用（4）减少了模型参数DenseNet的网络基本结构如上图所示，主要包含DenseBlock和tr
2018-02-06 16:53:04
18119
原创 人脸检测之FaceBoxes
出自李子青老师组的作品，FaceBoxes: A CPU Real-time Face Detector with High Accuracy 文章整体创新分为3个部分：(1)RDCL模块在这个模块中，卷积的滑动步长是很大，属于比较稀疏的滑动卷积。其中conv1滑动步长为4，使得feature map缩小1/4，conv2使得滑动步长为2，使得feature map缩小1...
2018-01-21 14:41:36
3945
1
原创 人脸检测之SSH(Single Stage Headless)
文章出自2017 ICCV，SSH: Single Stage Headless Face Detector感觉SSH最大的特色就是尺度不相关性（scale-invariant），像MTCNN这样的网络在预测的时候，是通过一个for循环输入不同大小scale的图片进行预测再NMS，而SSH只需要一遍forward就可以搞定。实现的途径就是对VGG不同的卷积输出层做了3个分支（M1,M2
2018-01-19 12:15:43
6629
1
原创 wiki中英文语料处理
Wiki官方提供了下载链接：https://dumps.wikimedia.org/zhwiki/latest/本文处理的中文wiki:zhwiki-latest-pages-articles.xml.bz2本文处理的英文wiki:enwiki-latest-pages-articles.xml.bz21，数据抽取，将*.xml.bz2转为可编辑txt#process_wiki.py# -*- ...
2018-01-13 07:53:14
8037
7
原创 tfrecords +tfdata，2种方式训练mnist
TFRecords是tensorflow存储数据的一种二进制文件，能更好的利用内存，更方便复制和移动，并且不需要单独的标签文件，类似于caffe中的LMDB和LvevelDB，极大的提高了IO吞吐。TFRecords文件包含了tf.train.Example 协议内存块(protocol buffer)(协议内存块包含了字段 Features)。我们可以写一段代码获取你的数据， 将数据填入到Ex...
2018-01-10 20:42:42
2923
原创 VGG Face数据集多线程下载
官方链接：http://www.robots.ox.ac.uk/~vgg/data/vgg_face/首先去官网下载vgg_face_dataset.tar.gzpython3下载程序：#!/usr/bin/python3#-*- coding: utf-8 -*-import sysimport osimport threadingimport socketimport
2018-01-06 21:56:43
8086
2
原创 EAST: An Efficient and Accurate Scene Text Detector
论文：An Efficient and Accurate Scene Text Detectorgithub:https://github.com/argman/EAST旷世科技在CVPR2017的作品优势：提供了方向信息，可以检测各个方向的文本缺点：对较长的文本检测效果不好，感受野不够长网络结构：整体网络结构分为3个部分(1) 特征提取层...
2018-01-06 08:21:36
14745
37
原创 正负样本不平衡处理方法总结
1， Bootstrapping，hard negative mining最原始的一种方法，主要使用在传统的机器学习方法中。比如，训练随机森林，对于每一个树就是采样booststraping方法采样，也算是随机森林的其中一个随机性表现。再比如bagging方法，也是基于该有放回重采样方法。比如，SVM分类中去掉那些离分界线较远的样本，只保留离分界线较近的样本。2， heurist...
2017-12-29 12:08:53
45430
5
原创 Python web api工具:uWSGI
uWSGI的主要特点如下：1，超快的性能。2，低内存占用（实测为apache2的mod_wsgi的一半左右）。3，多app管理。4，详尽的日志功能（可以用来分析app性能和瓶颈）。5，高度可定制（内存大小限制，服务一定次数后重启等）。安装：apt-get install build-essential python-devpip3 install uwsgi
2017-12-28 16:23:15
926
原创 Python格式化工具yapf
tensorflow中使用的格式化工具，支持autopep8, pep8ify 官网：https://github.com/google/yapf安装：pip3 install yapf参数：-p：使用多线程--style：chromium保持80列换行，indent_width，前面4个空格-i：直接在原文件修改，inplace操作-r：递归的
2017-12-26 16:54:54
8345
原创 linux定时任务crontab
安装crontab：yum install crontabs查看crond服务：service crond status启动crond服务：service crond start关闭crond服务：service crond stop重启crond服务：service crond restart重新载入crond服务配置：service crond reload查看cron
2017-12-25 11:53:31
425
原创 tensorflow优化
源码位置：tensorflow/python/toolstensorflow/tools/quantizationbin位置：bazel-bin/tensorflow/python/toolsbazel-bin/tensorflow/tools/输出pb类型graph：from tensorflow.python.framework import gra
2017-12-19 19:43:30
3942
10
原创 压力测试siege
siege是一款开源的压力测试工具，可以根据配置对一个WEB站点进行多用户的并发访问，记录每个用户所有请求过程的相应时间，并在一定数量的并发访问下重复进行。安装：官网下载siege-4.0.4.tar.gz：https://www.joedog.org/siege-faq/tar -xvfsiege-4.0.4.tar.gzcd siege-4.0.4./configu
2017-12-19 19:36:39
1618
原创 指数滑动平均(ExponentialMovingAverage)EMA
EMA被广泛的应用在深度学习的BN层中，RMSprop，adadelta，adam等梯度下降方法tf.train.ExponentialMovingAverage函数定义tensorflow中提供了tf.train.ExponentialMovingAverage来实现滑动平均模型，他使用指数衰减来计算变量的移动平均值。tf.train.ExponentialMovingA
2017-12-10 21:23:49
20789
3
原创 KERAS_技巧
微调Fine_tune:导入keras标准模型：model_pretrained= ResNet50(weights='imagenet', include_top=False, input_shape=(768, 768, 3))或者导入自己训练的模型：model_pretrained=load_model(“**.hdf5”)以上这个模型默认有初始化权值mo...
2017-11-20 17:41:36
6509
1
2014facebookDeepLearningforVision：TricksoftheTrade.pdf
2017-03-02
VOC2007xml.zip
2016-12-02
CarFace-Detection-Adaboost.zip
2017-09-13
( libboost.zip )
2017-09-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人