- 博客(10)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 人脸对齐之GBDT(ERT)算法解读
标签（空格分隔）： ERT GBDT Face_Alignment作者：贾金让 本人博客链接:http://blog.csdn.net/jiajinrang93 ERT/GBDT实现代码链接（C++版):https://github.com/jjrCN/ERT-GBDT_Face_Alignment欢迎大佬审查，欢迎点赞，谢谢。1.概述文章名称：One Millisecond ...
2017-05-16 15:55:47
24365
29
原创 Supervised Descent Method(人脸对齐之SDM论文解析）
这篇文章主要提出了一种名为SDM（Supervised Descent Method）的方法，用来最小化非线性最小二乘（Non-linear Least Squares）目标函数，即目标函数是均方误差。SDM方法通过学习得到一系列下降的方向和该方向上的尺度，使得目标函数以非常快的速度收敛到最小值，回避了求解**Jacobian矩阵**和**Hessian矩阵**的问题。
2017-03-31 22:51:37
13802
8
原创 Window10系统下安装Ubuntu双系统教程及一些问题的解决办法（重要）
Window10系统下安装Ubuntu双系统教程及一些问题的解决办法（重要）标签（空格分隔）： 双系统 window10 Ubuntu14.04 Ubuntu16.06最近接触Ubuntu，安装双系统时踩了不少坑（比如usr空间分区后空间不足），网上能查到的攻略和安装教程基本都看的差不多了，有些教程版本太老，解释得也不是很明确，现在再安装时可能会把人引入误区，因此写一篇安装指南，闲话少说，开始。
2017-03-20 01:35:47
76109
19
原创 Linux服务器无权限安装caffe教程
Linux服务器无权限安装caffe教程作者：贾金让前言：服务器上没有root权限，不能使用sudo和apt-get无脑安装caffe需要的各种依赖，因此需要手动安装这些依赖库。核心就是将原来apt-get安装在/usr/include，/usr/lib等位置的库，手动安装在我们自己的路径下，即自定义路径安装依赖。 这些依赖由于版本，交叉依赖等问题，不小心的话会出现各种错误，比较经典的就...
2018-05-16 17:13:41
7685
7
原创 【caffe】Aborted at 1457505270 (unix time) try "date -d @1457505270" if you are using GNU date错误解决方法
caffe可能遇到的错误
2017-09-21 23:29:17
4438
原创 【caffe实用技巧与bug排查】三步添加新layer及可能出现的bug
【caffe实用技巧与bug排查】三步添加新layer及可能出现的bug标签（空格分隔）： caffe layer作者：贾金让第一部分：三步添加新layer在caffe中添加新的layer是一件非常必要的事，而且通过添加新的层，还可以增加对caffe底层框架实现的了解。
2017-09-15 17:53:23
1352
2
原创 CAFFE之将图片转化为lmdb格式脚本【直接运行版】（内含生成train.txt和test.txt)
非常实用的一个将图片转换为lmdb格式数据的脚本，内含生成train.txt和test.txt文件的部分，可以直接对图片进行转换，不需要额外的操作，对使用caffe的人来说非常实用和快捷。
2017-05-24 11:45:30
2820
2
原创 人脸特征提取DeepID 1.0深度网络解读
人脸校验是人脸识别中很重要的一部分，在经过人脸检测、人脸对齐之后，我们要开始判断两张人脸究竟是否是同一张脸。本文所采用的方法，简要来说，就是通过深度神经网络来提取人脸深层次的抽象的特征，这种特征抽象到可以区别出两张不同的人脸，在提取出特征后，再用分类器进行分类，文章采用了两种分类方法以突出特征提取网络的能力和效果，采用的两种方法分别为：联合贝叶斯人脸校验和神经网络方法。
2017-05-19 21:22:23
24301
9
转载 【转】DeepID人脸识别算法之三代
DeepID，目前最强人脸识别算法，已经三代。如今，深度学习方兴未艾，大数据风起云涌，各个领域都在处于使用深度学习进行强突破的阶段，人脸识别也不例外，香港中文大学的团队使用卷积神经网络学习特征，将之用于人脸识别的子领域人脸验证方面，取得了不错的效果。
2017-05-18 10:26:30
651
原创 Learning color and locality cues for moving object detection and segmentation方法解析
这篇文章来自2009年的CVPR会议论文，其提出了一种从单眼视频中自动检测和分割移动物体的算法。算法相比于之前存在的其他算法的优势在于，在目标的移动是部分位置移动并且是部分帧存在移动的情况下，算法仍然可以检测并分割出整个物体，同时具有良好的鲁棒性。
2017-04-15 22:04:55
867
【新版】【caffe】将图片转化为lmdb脚本之直接运行版（包含生成train.txt和test.txt)
2017-09-13
【caffe】将图片转化为lmdb脚本之直接运行版（包含生成train.txt和test.txt)
2017-05-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人