记录每次计算机视觉任务的实验过程,包括模型的设计、所使用的数据集,损失函数和实验结果
一、人脸相关
1. 基于centerface的人脸检测
实验结果:
2. 基于arcface的人脸识别
模型设计:
模型框架:facemobilenet
loss: arcface as metrix func + focal loss
测试的度量标准: cos夹角(np.dot(x1,x2)/(np.linalg.norm(x1)*np.linalg.norm(x2))
模型参数:
优化器:SGD,loss:foal_lossinput :(N,1,112,112)
训练集:CASIA-webface (10575ids)
实验结果:
测试集:lfw 3000pairs
Test Model: checkpoints/21.pth Accuracy: 0.966 Threshold: 0.336
二、目标检测
1. 基于YOLOV3的目标检测
实验结果:
2.基于YOLOV5的缺陷检测
项目参数
数据集:NEU-DET
数据参数:names: ['crazing', 'inclusion', 'patches', 'pitted_surface', 'rolled-in_scale', 'scratches']
实验结果:
训练了34个epoch
1个batch的测试结果展示
3. 基于centernet的目标检测
实验结果:
三、图像分割
1. 基于Unet的图像分割
模型设计
模型框架:resnet50。用resnet50中7*7卷积核和4个stage提取的五个特征作为输入,上采样4次的得到和原图像分辨率大小一样的特征图,
模型参数
训练集:VOC2007
input:3*512*512 output:21*512*512
实验结果:
混合输出结果:
MIOU:
说明:项目内容会持续填充,您有哪些想法和建议,欢迎评论,参考内容如有侵权,也请联系我,我会作出删除内容或添加参考的措施,感谢您的帮助和理解!!!
参考:
人脸检测:https://github.com/siriusdemon/Build-Your-Own-Face-Model
数据集:https://github.com/Charmve/Surface-Defect-Detection