关注
分享
gmHappy
从不敢夜郎自大，但也不至于妄自菲薄，只是想做一个靠本事吃饭的手艺人
展开
-
人脸识别概述及基于多显卡服务器实现百万底库人脸比对的简单实现方案
基础知识介绍人脸识别流程人脸识别技术原理简单来讲主要是三大步骤：一是建立一个包含大批量人脸图像的数据库，二是通过各种方式来获得当前要进行识别的目标人脸图像，三是将目标人脸图像与数据库中既有的人脸图像进行比对和筛选。根据人脸识别技术原理具体实施起来的技术流程则主要包含以下四个部分，即人脸图像的采集与预处理、人脸检测、人脸特征提取、人脸识别和活体鉴别。人脸图像的采集与预处...原创 2019-12-24 16:42:07 · 1862 阅读 · 0 评论 -
基于 docker容器搭建机器学习环境
下载docker镜像docker pull ubuntu:18.04进入Ubuntu系统命令docker run -ti ubuntu /bin/bash正确退出系统方式先按，ctrl+p再按，ctrl+q这样系统就会在后台继续运行最好不要使用exit或者ctrl+d来退出，这样整个系统就退出了退出后再进入ubuntu系统首先用docker ps -a 查找到该CONTA...原创 2019-11-13 17:08:30 · 1378 阅读 · 0 评论 -
基于TensorFlow Object Detection API进行迁移学习训练自己的人脸检测模型（二）
前言已完成数据预处理工作，具体参照：基于TensorFlow Object Detection API进行迁移学习训练自己的人脸检测模型（一）设置配置文件新建目录face_faster_rcnn将上文已完成预数据处理的目录data移动至face_faster_rcnn目录下，并在face_faster_rcnn目录下创建face_label.pbtxt文件，内容如下：...原创 2018-07-12 14:40:03 · 8915 阅读 · 4 评论 -
tensorflow创建cnn网络进行中文手写文字识别
数据集下载地址：http://www.nlpr.ia.ac.cn/databases/handwriting/download.htmlchinese_write_detection.py# -*- coding: utf-8 -*-import tensorflow as tfimport osimport randomimport tensorflow.contrib.sli...原创 2018-07-12 16:19:05 · 7564 阅读 · 1 评论 -
Ubuntu系统安装配置tensorflow开发环境
Ubuntu系统安装下载ubuntu iso选择目前最新的版本是 Ubuntu 18.04 LTS 。下载地址： 官网：https://www.ubuntu.com/download/desktop 下载 RufusRufus 是Ubuntu官网推荐的USB启动盘制作工具，此工具的特点： * 体积小，只有几百KB （Rufus 3.1版只有945KB） * 功能全 * 免安装，下载后可以直接使用 ...原创 2018-07-07 09:58:59 · 5509 阅读 · 0 评论 -
Ubuntu18.04+CUDA9.0+cuDNN7.1.3+TensorFlow1.8 安装总结
Ubuntu18.04发行已经有一段时间了，正好最近Tensorflow也发布了1.8版本，于是决定两个一起装上，以下是安装总结，大致可以分为5个步骤确认当前软件和硬件环境、版本 更新显卡驱动，软件版本准备 CUDA 9.0 ToolKit安装 cuDNN7.1.3 for CUDA9.0安装 TensorFlow GPU 安装 Test it!1.确认硬件软件环境、版本系...原创 2018-07-07 14:27:58 · 6864 阅读 · 0 评论 -
卷积神经网络CNN原理以及TensorFlow实现
在知乎上看到一段介绍卷积神经网络的文章，感觉讲的特别直观明了，我整理了一下。首先介绍原理部分。 通过一个图像分类问题介绍卷积神经网络是如何工作的。下面是卷积神经网络判断一个图片是否包含“儿童”的过程，包括四个步骤：图像输入（InputImage）→卷积（Convolution）→最大池化（MaxPooling）→全连接神经网络（Fully-ConnectedNeural Network...原创 2018-07-14 11:38:04 · 2234 阅读 · 0 评论 -
facenet 人脸识别（一）
前言已完成TensorFlow Object Detection API环境搭建，具体搭建过程请参照：安装运行谷歌开源的TensorFlow Object Detection API视频物体识别系统或Ubuntu系统安装配置tensorflow开发环境下载Facenet源码工程1. 源码下载地址：https://github.com/davidsandberg/fac...原创 2018-07-20 13:32:02 · 10903 阅读 · 4 评论 -
facenet 人脸识别（二）——创建人脸库搭建人脸识别系统
搭建人脸库选择的方式是从百度下载明星照片照片下载，downloadImageByBaidu.py# coding=utf-8"""爬取百度图片的高清原图"""import reimport sysimport urllibimport os import requests def get_onepage_urls(onepageurl): if no...原创 2018-07-21 12:14:21 · 15855 阅读 · 15 评论 -
NLP采用Bert进行简单文本情感分类
参照当Bert遇上Kerashttps://spaces.ac.cn/archives/6736此示例准确率达到95.5%+示例实现# ! -*- coding:utf-8 -*-import jsonimport numpy as npimport pandas as pdfrom random import choicefrom keras_bert import load_t...原创 2019-09-05 15:39:28 · 3085 阅读 · 3 评论 -
基于TensorFlow Object Detection API进行迁移学习训练自己的人脸检测模型（一）
前言已完成TensorFlow Object Detection API环境搭建，具体搭建过程请参照：安装运行谷歌开源的TensorFlow Object Detection API视频物体识别系统或Ubuntu系统安装配置tensorflow开发环境准备工作下载训练数据和验证数据香港中文大学(Chinese University of Hong Ko...原创 2018-07-11 15:00:41 · 7448 阅读 · 6 评论 -
tensorflow实现一个神经网络简单CNN网络
本例子用到了minst数据库，通过训练CNN网络，实现手写数字的预测。首先先把数据集读取到程序中：mnist = input_data.read_data_sets('MNIST_data', one_hot=True)1然后开始定义输入数据，利用占位符# define placeholder for inputs to networkxs = tf.placeholder(tf.float32...原创 2018-06-28 15:37:43 · 2769 阅读 · 0 评论 -
基于谷歌开源的TensorFlow Object Detection API视频物体识别系统搭建自己的应用（一）
基于上篇安装运行谷歌开源的TensorFlow Object Detection API视频物体识别系统，搭建自己的应用。替换官网提供的图片原创 2018-05-25 14:39:09 · 3761 阅读 · 0 评论 -
基于谷歌开源的TensorFlow Object Detection API视频物体识别系统搭建自己的应用（二）
基于上篇基于谷歌开源的TensorFlow Object Detection API视频物体识别系统搭建自己的应用（一），实现视频物体识别基于上篇，新建VideoTest.py，并将一个视频文件放入到object_detection目录下主要步骤如下： 1.使用 VideoFileClip 函数从视频中抓取图片。 2.用fl_image函数将原图片替换为修改后的图片，用于传递物体识别的每张抓取图片...原创 2018-05-25 15:22:41 · 4514 阅读 · 0 评论 -
基于谷歌开源的TensorFlow Object Detection API视频物体识别系统搭建自己的应用（三）
基于上篇基于谷歌开源的TensorFlow Object Detection API视频物体识别系统搭建自己的应用（一），实现摄像头物体识别下载opencv的cv2包在Python官网即可下载opencv相关库，点击此处直接进入。 pip install opencv-python安装完成后，进入IDLE输入命令import cv2若未报错，则opencv-python库成功导入，环境搭配成功。基...原创 2018-05-25 15:47:04 · 3813 阅读 · 1 评论 -
Opencv中KNN背景分割器
背景分割器BackgroundSubtractor是专门用来视频分析的，会对视频中的每一帧进行“学习”，比较，计算阴影，排除检测图像的阴影区域，按照时间推移的方法提高运动分析的结果。而且BackgroundSubtractor不仅可以用于背景分割，而且还可以提高背景检测的效果。在opencv中有三种分割器：KNN，MOG2，GMG。通过mog2的实例代码：import numpy as np ...原创 2018-05-25 16:12:50 · 6333 阅读 · 0 评论 -
TensorFlow学习——入门篇
本文主要通过一个简单的 Demo 介绍 TensorFlow 初级 API 的使用方法，因为自己也是初学者，因此本文的目的主要是引导刚接触 TensorFlow 或者 机器学习的同学，能够从第一步开始学习 TensorFlow。阅读本文先确认具备以下基础技能：会使用 Python 编程（初级就OK，其实 TensorFlow 也支持 Java、C++、Go）一些数组相关的知识（线性代数没忘干净就行...转载 2018-06-22 14:06:54 · 2265 阅读 · 0 评论 -
tensorflow一些常用基本概念与函数
转自：https://blog.csdn.net/lenbow/article/details/52152766摘要：本文主要对tf的一些常用概念与方法进行描述。1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始：import tensorflow as tf #定义‘符号’变量，也称为占位符 a = tf.placeholder("float"...原创 2018-06-23 11:31:47 · 3602 阅读 · 1 评论 -
tensorflow的阶、形状、数据类型
张量的阶、形状、数据类型TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通.阶在TensorFlow系统中，张量的维数来被描述为阶.但是张量的阶和矩阵的阶并不是同一个概念.张量的阶（有时是关于如顺序或度数或者是n维）是张量维数的一个数量描述.比如，下面的张量（使用Python中li...原创 2018-06-23 11:41:02 · 2601 阅读 · 0 评论 -
tensorflow的reshape操作tf.reshape()
在处理图像数据的时候总会遇到输入图像的维数不符合的情况，此时tensorflow中reshape()就很好的解决了这个问题。 更为详细的可以参考官方文档说明： numpy.reshapereshape()的括号中所包含的参数有哪些呢？常见的写法有tf.reshape((28,28)):tf.reshape(tensor,shape,name=None)1函数的作用是将tensor变换为参数shap...原创 2018-06-23 11:46:09 · 3269 阅读 · 0 评论 -
tensorflow用dropout解决over fitting
在机器学习中可能会存在过拟合的问题，表现为在训练集上表现很好，但在测试集中表现不如训练集中的那么好。图中黑色曲线是正常模型，绿色曲线就是overfitting模型。尽管绿色曲线很精确的区分了所有的训练数据，但是并没有描述数据的整体特征，对新测试数据的适应性较差。一般用于解决过拟合的方法有增加权重的惩罚机制，比如L2正规化，但在本处我们使用tensorflow提供的dropout方法，在训练的时候,...原创 2018-06-23 12:00:14 · 2297 阅读 · 0 评论 -
卷积神经网络概念与原理
转自：http://dataunion.org/11692.html作者：张雨石自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互有增益。正文之前，先说几点自己对于CNN的感触。先明确一点就是，...转载 2018-06-28 10:18:27 · 11842 阅读 · 0 评论 -
安装运行谷歌开源的TensorFlow Object Detection API视频物体识别系统
安装Python下载地址https://www.python.org/，建议安装Anaconda，下载地址https://www.anaconda.com/download/，官网最新版本为Anaconda3-5.1.0，选择对应的操作系统进行安装，笔者选用的版本为4.3.8。安装TensorFlow笔者用给pip方式安装安装CUP版的TensorFlow：pip install tensorfl...原创 2018-05-25 13:57:07 · 5819 阅读 · 1 评论