- 博客(5)
- 资源 (92)
- 收藏
- 关注
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 9145 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 1904
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 4176 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 6729 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 18123
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