深度学习
文章平均质量分 55
AManFromEarth
这个作者很懒,什么都没留下…
展开
-
人脸识别-论文阅读-ArcFace及其由来(SphereFace、CosFace)
ArcFace(建议大家去看论文的第一版)是现在最常用的人脸识别算法,它从softmax、SphereFace和CosFace发展过来,这里就详述一下arcface算法和其发展过程。图1ArcFace发展过程随着深度学习人脸识别的发展,现在人脸识别的主要思想是在网络学习的过程中增大类间差距(inter-class)的同时减小类内差距(intra-class)。SoftmaxSoftmax是最常用的分类损失函数:L=−1N∑i=1Nlog(eWyiTxi+byi∑j=1neWjTxi+bj)(原创 2020-06-30 22:42:19 · 4582 阅读 · 2 评论 -
Windows下调用TensorBoard出现ImportError: cannot import name 'encodings'
Windows下调用TensorBoard出现ImportError: cannot import name 'encodings'原创 2018-01-11 08:50:34 · 2376 阅读 · 2 评论 -
caffe下py-Faster RCNN end2end模式修改anchor的scale大小
caffe下py-Faster RCNN end2end模式修改anchor的scale大小原创 2018-01-11 08:59:28 · 2467 阅读 · 10 评论 -
Caffe下py-faster-rcnn使用残差网络Resnet进行训练
Faster RCNN论文:http://arxiv.org/abs/1506.01497 Faster RCNN源码Github地址:https://github.com/rbgirshick/py-faster-rcnn ResNet论文:https://arxiv.org/abs/1512.03385 ResNet Github地址:https://github.com/Kaimi原创 2018-01-11 09:12:26 · 4294 阅读 · 8 评论 -
Tensorflow读取并使用预训练模型:以inception_v3为例
在使用Tensorflow做读取并finetune的时候,发现在读取官方给的inception_v3预训练模型总是出现各种错误,现记录其正确的读取方式和各种错误做法: 关键代码如下:import tensorflow as tfimport tensorflow.contrib.slim as slimfrom tensorflow.contrib.slim.python.slim....原创 2018-01-24 22:06:24 · 20440 阅读 · 18 评论 -
手把手从0开始安装Windows版Caffe与py-faster-RCNN
在安装windows版faster RCNN的时候,网上的教程都不太完整,所以在此写下自己安装的完整过程,希望对别人有帮助。一、 安装显卡驱动1. 下载 下载地址:http://www.nvidia.cn/Download/index.aspx?lang=cn 下载选项:(以GTX 1080为例) 2. 安装 一直点下一步就可以了,安装完成之后重启电脑。二、...原创 2018-07-14 07:44:21 · 3087 阅读 · 2 评论 -
使用pytorch读取、使用预训练模型进行finetune:以Resnet-101为例
在使用pytorch进行网络训练的时候,有时候不可避免的使用迁移学习(trainsfer learning),即使用已经训练好的模型(如resnet、inception等),固定其已经训练好的网络层参数,然后进行finetune。 以下代码是以resnet-101为例使用pytorch进行finetune的操作:#导入必要模块import torchimport torch.nn as ...原创 2018-07-16 21:49:34 · 22751 阅读 · 0 评论 -
Tensorflow读取并输出已保存模型的权重数值
这篇文章是为了对网络模型的权重输出,可以用来转换成其他框架的模型。import tensorflow as tffrom tensorflow.python import pywrap_tensorflow#首先,使用tensorflow自带的python打包库读取模型model_reader = pywrap_tensorflow.NewCheckpointReader(r"mo...原创 2018-07-15 21:56:14 · 14413 阅读 · 10 评论