2015年09月_cv_family_z

原创 libsvm 使用命令

libsvm下载地址，http://www.csie.ntu.edu.tw/~cjlin/1.数据准备成如下格式 label1 1:value1 2:value2,… label2 1:value1 2:value2,…2.特征归一化，使用svm-scale命令，-l，-u 为归一化后特征值范[l,u]，输入文件svm_lbp_test_1，输出归一化后的文件lbptestScaled.

2015-09-28 16:34:00 1339

原创论文提要“DeepFace: Closing the Gap to Human-Level Performance in Face Verification”

人脸识别步骤：检测，矫正，表示，识别。论文使用了3D人脸模型进行矫正，9层的深度神经网络学习特征，有几层局部连接层。人脸矫正方法：（1）3D人脸模型，（2）搜索基准点，（3）像素级相似矩阵变化。论文根据基准点对人脸进行3D建模，将裁减的人脸转化为3D模式。每次迭代，使用支持向量回归（SVR）从图像描述子LBP预测点结构。2D矫正，图1（a）所示的六个基准点，用来对图像进行尺度变换，旋转，平移得到

2015-09-22 17:01:51 1587

原创论文提要“Beyond Frontal Faces: Improving Person Recognition Using Multiple Cues”

动机目前的人脸识别方法主要针对正脸，对于不同视角无正脸有遮挡的效果不好，人类可以由细微的区别如发型，衣服，眼镜，姿态及其他信息判断。在非限制条件下识别人身份信息，建立了一个People in Potho Album(PIPA)数据库，包含约60 000个样本约2000个个体。数据库中只有一半的人具有正脸，提出来姿态不变的人像检测方法（PIPER），该方法使用了CNN对poselet训练消除姿态影

2015-09-17 15:11:16 1096

单张图片测试命令./build/examples/cpp_classification/classification.bin examples/CompCars/deploy_cars.prototxt examples/CompCars/googlenet_finetune_web_car_iter_10000.caffemodel data/CompCars/imagenet_mean_comp

2015-09-10 15:28:50 7152 24

原创论文提要“Filtered Channel Features for Pedestrian Detection”

增加中间层，对底层特征使用滤波器组进行滤波，并使用boosted 决策树进行分类，可以提升行人检测率。最近比较好的人检测方法均在底层特征和分类器之间增加量中间层，如最大池化，滤波等。本文使用了滤波器组对图像进行卷积。文章提出的滤波器组框架如下图所示。仅使用HOG+LUV在Caltech和KITTI数据库上可获得最好的效果。相关研究最近的行人检测综述表明不同的分类器，如SVM和决策树，对检测结

2015-09-06 17:00:34 4125

原创论文提要“Part-based R-CNNs for Fine-grained Category Detection”

物体的局部信息可以用来进行精细分类，这篇文章学习了整个物体和物体局部检测器，从pose-normalized表示预测精细分类。局部定位可以反应物体之间的关联，并能降低物体姿态或相机位置变化带来的影响。Poselet和DPM用于物体局部定位获得了一定的效果，但测试时只有在给定bbox时才能获得充足的局部定位信息。精细识别，属性识别，姿态估计及推理预测等需要准确的局部信息。思路来源：在Caltech-U

2015-09-02 16:48:55 3859

cv_family_z的博客

原创 libsvm 使用命令

原创论文提要“DeepFace: Closing the Gap to Human-Level Performance in Face Verification”

原创论文提要“Beyond Frontal Faces: Improving Person Recognition Using Multiple Cues”

原创 CompCars模型测试

原创论文提要“Filtered Channel Features for Pedestrian Detection”

原创论文提要“Part-based R-CNNs for Fine-grained Category Detection”

空空如也

空空如也

原创 libsvm 使用命令

原创 论文提要“DeepFace: Closing the Gap to Human-Level Performance in Face Verification”

原创 论文提要“Beyond Frontal Faces: Improving Person Recognition Using Multiple Cues”

原创 CompCars模型测试

原创 论文提要“Filtered Channel Features for Pedestrian Detection”

原创 论文提要“Part-based R-CNNs for Fine-grained Category Detection”

空空如也

空空如也

原创论文提要“DeepFace: Closing the Gap to Human-Level Performance in Face Verification”

原创论文提要“Beyond Frontal Faces: Improving Person Recognition Using Multiple Cues”

原创论文提要“Filtered Channel Features for Pedestrian Detection”

原创论文提要“Part-based R-CNNs for Fine-grained Category Detection”