b_lack的博客

论文阅读：Deep-based Ingredient Recognition for Cooking Recipe Retrieval阅读该论文为一个课程的阅读大作业。由于博主的研究方向也不是该方向，所以在该篇文章只关注于该篇论文的方法部分，而相关工作，数据集与实验则不是该篇文章的重点。但是如果读者是做这一方面的研究，建议去熟悉一下作者用到的几个数据集并分析在各个数据集上的实验结果。面向的问题1 问题简介首先该论文处理的问题为食谱检索。具体为给出一张拍摄的含有菜肴的图像，需要在数据库中找出该菜肴的名

该论文在ACM MM 2012上获最佳论文提名。摘要作者提出了基于人体动作识别方法的人类-木偶交互系统，并以此开发了交互艺术木偶戏和模仿木偶游戏这两个应用。交互艺术木偶戏：木偶模仿人类的动作，然后人再模仿木偶的动作。该木偶的制作涉及到了动作识别与木偶的控制系统，其中前一个方面是该文章重点。作者将开发出的智能木偶称为i-marionette。作者在该部分还叙述了木偶戏的艺术价值，比如反映了现实...

该论文发表于CVPR 2018并获得best poseter award。Motivation之前的做3D Pose和Shape的大部分都是基于优化的方法来做的，而基于深度学习的方法做的效果并不好。原因：深度学习的方法需要大量训练样本，而有SMPL 标注的数据集并不多且都是室内的，所以深度学习预测的效果并不好。为了解决这个问题，作者提出了一种通过弱监督的方法来利用有2D keypoints和...

3D human pose 重要论文整理（持续更新）传统方法*[1] Chunyu Wang,Yizhou Wang,Zhouchen Lin,Alan L. Yuille,Wen Gao. Robust Estimation of 3D Human Poses from a Single Image. In the Center for Brains, Minds and Machines(...

human3.6m protocol 说明不同论文中对于protocol的选取不一，具体情况在每个做human3.6m的论文中都会明确说明其使用的protocol的组成以及评测指标。不过大部分论文都会使用以下两种方式来解释protocol。解释1protocol 1使用S1，S5，S6，S7和S8的所有视角（4个视角）的图像作为训练集，S9和S11的所有视角的图像作为测试集。使用MPJPE...

pytorch 小技巧基本都是汇总了自己尝试了很work的网友的结论，记个链接方便查询（不断更新）：怎么判断Tensor非空

Fast Human Pose EstimationAbstruct现在的Pose框架虽然精度以及泛化能力已经不错，但是模型过于复杂，使得参数量以及部署时消耗的内存过大。 这篇文章就是通过牺牲极少部分的精度来达到大幅度减少内存的消耗的目的。作者主要是通过用训练好的教师网络（大网络）将知识传递给学生网络（小网络）来实现这一目的，他们称他们的方法为Fast Pose Distillation（F...

服务器命令退出但不关闭docker：ctrl + p + q

Numpy 数组索引详解

COCO pose数据集标注文件详解注意：使用python3来描述数据集中的内容导入python使用val2014来举例：from pycocotools.coco import COCOimport numpy as npimport skimage.io as ioimport matplotlib.pyplot as pltimport pylabimport pdbim...

Linux下conda配置虚拟环境：python + pytorch默认已经安装好conda创建虚拟环境conda创建并激活虚拟环境命令：conda create -n your_env_name python=2.7/3.6source activate your_env_name其中，-n中n表示name，即你创建环境的名字。之后如果忘记自己创建的环境的名字，可以查看con...