睁闭眼检测
svm+shufflenet+mobilenet
尼古拉斯·two_dog
这个作者很懒,什么都没留下…
展开
-
keras实现mobilenet_v2
数据集结构如第一篇文章(keras实现LeNet5)。1.model.pyfrom keras.models import Modelfrom keras.layers import Input, Conv2D, GlobalAveragePooling2D, Dropoutfrom keras.layers import Activation, BatchNormalization, add, Reshapefrom keras.layers import DepthwiseConv2原创 2021-07-05 09:42:53 · 1272 阅读 · 3 评论 -
keras实现resnet50
数据集结构如第一篇文章(keras实现LeNet5)。1.model.py 构造网络# coding=utf-8from keras.models import Modelfrom keras.layers import Input, Dense, BatchNormalization, Conv2D, MaxPooling2D, AveragePooling2D, ZeroPadding2Dfrom keras.layers import add, Flatten, Activ..原创 2021-07-05 09:42:46 · 2315 阅读 · 6 评论 -
keras实现AlexNet、vgg13、vgg16
没有微调参数,训练睁闭眼的效果差。数据集结构如第一篇文章(keras实现LeNet5)。1.model.py 构造了AlexNet、vgg13、vgg16网络#coding=utf-8from keras.models import Sequentialfrom keras.layers import Dense, Dropout, Activation, Flattenfrom keras.layers import Conv2D, MaxPooling2D, ZeroPaddin..原创 2021-07-05 09:42:38 · 670 阅读 · 0 评论 -
keras实现LeNet5
1.数据集2.train.pyimport numpy as npimport kerasfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense, Activation, Conv2D, MaxPooling2D, Flattenfrom keras.optimizers import Adamimport tensorflow as tf原创 2021-07-05 09:43:02 · 317 阅读 · 0 评论 -
shufflenet_v2
续上篇的shufflenet_v1,这里脚本基本没变,只是更改了网络模型文件shufflenet_v2.py参考链接(详解):https://blog.csdn.net/u011995719/article/details/814092451.data_process.py(数据处理:这里随便选了两张照片,重复造数据,生成数据集)import numpy as npimport randomimport cv2import osimport shutil # path="dat原创 2021-06-29 16:06:14 · 185 阅读 · 0 评论 -
shufflenet_v1
本文使用的是轻量级模型shufflenet,使用keras框架进行训练。参考链接(模型详解):https://blog.csdn.net/zjn295771349/article/details/89704086代码如下:1.data_process.py(数据处理:这里随便选了两张照片,重复造数据,生成数据集)import numpy as npimport randomimport cv2import osimport shutil# path="data/train/"原创 2021-06-29 15:55:03 · 246 阅读 · 0 评论 -
睁闭眼状态检测——SVM模型训练
前言svm训练模型相当简单,难的是提取特征这一步,这里介绍了一个睁闭眼检测功能从提取特征到预测的全过程。首先,需要准备数据,我这里有睁眼和闭眼的照片各3000张,传统的机器学习方法都需要提取特征,这里检测特征用到了三个,通过程序预先提取出来了;接下来是模型的训练和预测过程。特征提取出来:文件名+三个特征+标签(0睁眼、1闭眼)然后把三个特征进行归一化,更有利于训练,...原创 2019-07-09 19:04:00 · 6223 阅读 · 15 评论 -
眼睛ROI区域裁剪
为了用深度方法训练一个睁闭眼模型,这里不需要再提取特征,而是需要用到眼睛的原图,第一步就是把眼睛区域裁剪下来。本文用的是opencv的检测库shape_predictor_68_face_landmarks.dat,得到68特征点后,根据特征点来裁剪眼睛ROI区域。代码:# _*_ coding:utf-8 _*_from numpy import *import numpy a...原创 2019-07-09 19:09:17 · 1253 阅读 · 3 评论