- 博客(17)
- 收藏
- 关注
RSS订阅原创 Towards Fast, Accurate and Stable 3D Dense Face Alignment(3DDFA_V2)论文与项目学习
代码部分：此论文附属的代码并未提供测试与训练的代码，只提供了提前训练好的模型且存储在pth文件中；1：接下来主要是关于定义204[3, 64]个点，为什么要定义u_base , w_sha_base , w_exp_base的说明 ：之所以在bfm模型数据库中计算这些_base的小批数据，就是在利用公式重建出三维人脸模型并用稀疏特征点表示该三维人脸模型时，计算公式中所用到的恰是这些小批_base数据 ； 最后的结果维度恰是【3 ，68】即68个特征点的三维坐标；2： obj文件： 将人脸保存为o
2021-10-23 21:14:09
2851
2
原创 H3D-Net: Few-Shot High-Fidelity 3D Head Reconstruction论文学习
一：about: Few-Shot Learning(小样本学习)k-shot代表每个种类的样本中有k个样本带标签，其他样本不带标签；p-way代表从种类中随机选取p类种类；则few shot learning就是从所有种类中随机选取p个种类，每个种类中选取K个样本作为支持样本(含有标签的样本)，其他剩余的样本作为测试样本 ； 即要求模型从KP个数据中学会如何区分这K个类别；总体称为P-way K-shot ;上图为5-way 1-shot ； 右边的训练样本还有很多，剩余的都是，但此处我们只列出
2021-10-21 17:50:33
538
原创 关于dlib的安装
1：如果pycharm第三方包安装时不断的报错，则可以直接采用如下方式安装 ；首先，检测下是python3.x版本，下载对应的dlib版本包；如该图所示，cp38是代表该dlib安装包只适合python3.8版本的轮子链接：https://pan.baidu.com/s/1WqVeutchWZTIzDbExmQDqw提取码：9kre下一步，将下载好的轮子放在基本的pytorch的目录下，此处就是c:\user\liuxu的目录下，然后正常执行以下代码 ；...
2021-10-07 21:38:08
133
原创 pycharm中安装包的方法
1：直接在pycharm中根据报错安装 ；2：在prompt shell中进入pytorch环境，然后利用pip语句安装 ；3：在pycharm中进入设置中的interpret中，点击＋，然后选取想要安装的包4：在anaconda中进入pytroch环境，然后在该环境中安装包；...
2021-10-07 20:46:06
4218
原创 window下进行深度学习环境配置
1：先安装anaconda，直接从官网中搜索安装anaconda3即可；2：安装nvidia驱动程序：找准显卡的版本，安装对应版本的nvidia驱动程序3：安装cuda+torch在conda prompt中先创建一个单独的pytorch环境conda creat -n pytorch python=3.8激活进入该环境，在该环境中进行安装torch和cuda，安装的方法如下 ；next在该环境中安装torch+cuda ;（先进入torch官网，如图选取自己nvidia支持的cuda版本
2021-10-06 22:24:17
205
原创 关于自动释放Ubuntu内存
1：先创建一个sh 文件gedit free.sh2：向free.sh中输入：free -m |grep -i mem |awk '{if($4 < 5000){ printf("3") > "/proc/sys/vm/drop_caches"}}';3: jin ru root huanjingsudo su ;4: input : crontab -e5: add_this :*/05 * * * * tar -zcf /var/backups/home.tgz
2021-09-30 14:23:11
436
原创 Dlib检测器
Dlib检测器Dlib检测器包括Dlib人脸特征点检测器和Dlib人脸检测器 ；1： Dlib人脸检测器：先创建Dlib人脸检测器 ， 返回的是个列表，用于存储矩形，有多少人脸就存储多少个矩形；再创建Dlib人脸特征点检测器，根据矩形获得每个人脸的68个特征点的坐标，返回的是个列表，列表里存储的是元组，存储的是每个特征点的二维坐标；import cv2import dlibimg = cv2.imread('1.jpg') #格式为h , w , chanel dlib_face_dec
2021-09-28 13:48:02
252
原创 Pytorch文档部分说明
1：关于冻结网络的部分参数的方法；Pl：此时可以让提取特征的卷积层进行冻结权重参数，使用已经训练好的参数 ； 而对于自定义的全连接层，仍然需要更新权重参数 ；2：pytorch的广播运算：一：先判断是否可以进行广播：如果 pytorch 张量满足以下条件,那么就可以广播：每个张量至少有一个维度。在遍历维度大小时, 从尾部低维度开始遍历, 进行广播的tensor二者维度要么相同，要么其中一个为1，要么其中一个维度不存在 ； 违背以上原理不可进行广播；二：可广播后计算的形式为：...
2021-09-07 23:41:32
461
原创 Dive into Deep Learning
一：函数理解：1： torch.concatenate(tensor 1 , tensor2 , axis =0,1)若axis = 0，则在列上进行连接，若axis = 1 ; 则在行上进行连接 ； 同时tensor可以换成numpy进行连接 ；2：torch.norm(numpy or tensor , ord =1 /2 , axis =0 /1)详解：是求tensor或者numpy的范数，若ord=1，则求第一范数，axis =0,则求列向量的范数 ；3：torch.tensor
2021-08-25 23:33:05
517
原创 北邮-初始计算机视觉之三维重建
1：计算机视觉两大方向2：区分计算机视觉的两大应用：1：3D reconstruction2：图像识别，分类，分割，语义信息目前这两大应用都是用到深度学习和卷积神经网络（用pytorch实现）3：识别每一个图片：图片就是像素点组成的，每个像素点的取值是0-255，一个像素点数值就代表一个颜色，若干颜色在一起组成了一张图片； 可以参照下黑白01（0白色，1黑色）进制图片来联想4：计算图中每个像素点的求导：该点对x轴进行求导就是右边的像素点减去左边的像素点该点对y轴进行求导就是上面的像素点
2021-08-18 23:03:11
263
原创 龙曲良版本的pytorch学习
1 权重参数的更新（Optimer.step()） ：根据上述计算的梯度值，不断进行权重参数得更新参数优化目的：不断更新权重参数，使得损失值达到最小。参数优化的方法：权重参数=权重参数-权重参数梯度学习率损失值计算的方法：给定参数计算损失值； loss = inputw.t() +b – target 的平方例子：求 y=wx+b的参数，给100个点( x , y )；解法：我们已知(x,y)的N个点，此时我们定义的损失函数如上所示，不断更新权重参数W和B，使得总损失值最小（根据已知的x,
2021-08-18 23:00:33
968
原创 Face Alignment in Full Pose Range: A 3D Total Solution(3DDFA)论文与项目学习
一：对于PAF和PNCC的构造理解：PAF：首先初始化一个3DMM的参数P ，然后利用公式重建出三维人脸模型 ；1：将该三维人脸模型进行上取样得到一个64x64的feature anchor ;2：在将该三维人脸模型投影到二维平面上，从而又得到一个64x64的feature anchor ; 此时将两个feature anchor设置为一个可视化，一个不可视化；3：分别剪切每个feature anchor大小为dxd ; 与原来的图片连接成扩展的二维图片 ；4：将该图片进行卷积处理，得到64
2021-08-04 23:34:51
1444
原创 Python类和包的介绍
一## argparse：参考：https://blog.csdn.net/yy_diego/article/details/82851661?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Ede
2021-07-09 20:52:40
369
原创 关于pycharm中的渠道失败管理
关于使用pycharm中:PackagesNotFoundError: The following packages are not available from current channels:的报错参考文章：PackagesNotFoundError: The following packages are not available from current channels:解决方法：此时摆脱在pycharm中进行安装该包，在shell综合上述语句开始安装该包；首先在shell中输入 co
2021-07-09 18:36:22
185
原创 Ubuntu安装配置深度学习环境
Anaconda+NVIDIA驱动器+cuda pytorch + pycharm安装1：安装anaconda，用sh进行安装注意激活base环境，在用conda creat pytorch python =3.8 来创建一个pytorch环境，并用conda activate pytorch来激活该环境，在此环境中安装pytorch+cuda，可以用conda list 来查看是否安装cuda conda pytorch2：nVidia驱动器版本要和显卡保持一致，并下载相应的cuda驱动； nV
2021-06-10 11:35:27
253
原创 Linux+win双系统安装
标题 Linux+win双系统安装1：分清电脑是否为UEFI+双磁盘2：从硬盘中分配内存，大概120G3：制造启动盘镜像4：进行bois中的U盘安装（F12即可），并进行所提示进行安装，且在安装时候，注意把/boot驱动改为UEFI驱动，此驱动分配300MB即可，其他几个变量分配共3个区间5：在安装完成后，若出现不显示grub驱动程序，直接进入win或者ubuntu中，则需更改为menu属性；若出现grub磁盘驱动中只支持ubuntu，不显示win，则继续参考文章进行更改grub配置6：
2021-06-10 11:26:05
64
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人