![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 71
夏洛的网
这个作者很懒,什么都没留下…
展开
-
linux cuda9.0 cudnn7.14安装
好久没有写博客了,一直没有时间打理,刚好又到一年1024,写个博客纪念一下。分两步,cuda文章目录1. 安装cuda1.1 下载1.2 安装1.3 配置1.4 激活2. 复制cudnn2.1 下载并解压2.2 复制2.3 激活1. 安装cuda1.1 下载选择适合你的系统的版本下载链接:https://developer.nvidia.com/cuda-toolkit-archive...原创 2019-10-24 20:51:46 · 1139 阅读 · 0 评论 -
细粒度图像分类--CVPR2017 & ICCV2017论文总结
CVPR20171、Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-Grained Image Recognition由于有区别性的区域定位和细粒度特征学习的挑战,识别细粒度类别很困难。已有的方法主要是独立地解决这些挑战,忽略了区域检测和细粒度特征学习是相互联系的事...原创 2018-07-06 20:22:10 · 23521 阅读 · 6 评论 -
yolo v1 学习与研究
Yolo:you only look once: unified and real-time object detection理解原文部分翻译摘要作者提出一个新的目标检测方法,yolo。先前的目标检测都是转化为分类问题来做,作者将目标检测重新使用回归,在空间上分割bounding box和类别预测概率。一个简单的神经网络预测的目标框和类别预测值可以在一次验证中直...原创 2018-07-03 08:52:56 · 915 阅读 · 1 评论 -
Faster RCNN 学习与研究
Faster RCNN一些术语翻译:region proposal:候选框region:proposal:bounding box:理解Faster rcnn第一次完成了目标检测的端到端训练,将region proposal 和 object detection结合到一起。在这以前,rcnn通过selective search等计算出region propo...原创 2018-07-01 16:40:12 · 4921 阅读 · 1 评论 -
目标检测的评价指标
本篇博客主要整理基于深度学习的目标检测所用的数据集,以及一些评价指标。先介绍评价指标,当然也适用于很多其他的任务;然后再介绍数据集。一、评价指标参考链接:1、参考12、参考23、参考34、参考41、准确率、精确率、召回率2、precision-recall曲线3、approximated average precision和interpola...原创 2018-05-30 22:56:28 · 6137 阅读 · 1 评论 -
基于深度学习的目标检测综述
一、综述二、演进三、总结四、参考文献原创 2018-05-29 21:54:02 · 4691 阅读 · 1 评论 -
目标检测数据集整理
本篇博客主要整理基于深度学习的目标检测所用的数据集,评价指标见上一篇博客。参考链接:1、链接12、链接23、链接31、Pascal VOC2、COCO原创 2018-06-02 22:13:28 · 54433 阅读 · 4 评论 -
【数据集】Kinetics-600 dataset介绍
最近在做行为识别,然后介绍一下目前种类多且数据量很大的行为数据集 Kinetics-600 dataset。参考链接:activityNet:http://activity-net.org/challenges/2018/index.htmlGitHub:https://github.com/activitynet/ActivityNetkinetics:https://dee...原创 2018-04-29 18:02:50 · 43917 阅读 · 12 评论 -
【tensorflow】Input to reshape is a tensor with xxx values, but the requested shape requires a multipl
今天写了一个简单的3DCNN,结果在跑的时候出现一个问题,tensorflow.python.framework.errors.InvalidArgumentError: Input to reshape is a tensor with xxx values, but the requested shape requires a multiple of xxx values好气!!错...原创 2017-10-15 15:38:56 · 20998 阅读 · 11 评论 -
【SVM】推算公式的由来
主要说明SVM是干什么用的,怎么来的,如何推导公式。 (其中有些公式没有严格打出来,比如矩阵W的转置,大家意会即可)。一、SVM怎么来的1、介绍PLAPLA是perceptron learning algorithm,主要处理线性可分的数据。比如二分类,pla做的就是找到空间中的一条线或超平面,能够将所有点正确分类。用权重w表示这个线或超平面。即sign(wx)=y过程是:首先给出初始化权重。原创 2018-03-12 10:45:56 · 1031 阅读 · 1 评论 -
【ML&DL】logistics regression理解
以前有学过linear classification、linear regression和logistics regression,这次做一下总结,并主要推导一下交叉熵损失函数的由来和梯度下降法。一、概述开头先祭出林轩田老师讲义中的一张图PLA、Linear Regression到logistics regression的区别。误差函数由0/1误差演变为均方误差到交叉熵...原创 2018-03-17 12:30:06 · 2404 阅读 · 0 评论 -
【CNN】经典模型总结及Resnet理解
之前一直都是看,没有自己完整总结一遍,现在做一个简单的总结。并主要针对Resnet做一个介绍。主要参考于:http://blog.csdn.net/app_12062011/article/details/62886113https://www.zhihu.com/question/38499534一、Lenet第一个CNN,94年提出,98年在论文Gradient-Based Learning A原创 2018-03-17 10:48:42 · 9975 阅读 · 1 评论 -
BatchNormalization、LayerNormalization、InstanceNorm、GroupNorm、SwitchableNorm总结
本篇博客总结几种归一化办法,并给出相应计算公式和代码。1、综述1.1 论文链接1、Batch Normalizationhttps://arxiv.org/pdf/1502.03167.pdf2、Layer Normalizaitonhttps://arxiv.org/pdf/1607.06450v1.pdf3、Instance Normalizationh...原创 2018-07-13 21:10:39 · 126440 阅读 · 41 评论 -
SSD 学习与研究
目标检测–SSD论文地址:https://arxiv.org/abs/1512.02325project:https://github.com/apache/incubator-mxnet/tree/master/example/ssd其他参考链接:一、对比二 、核心思想三、论文效果四、总结...原创 2018-08-08 22:50:32 · 1232 阅读 · 0 评论 -
轻量化神经网络模型总结:SqueezeNet、Xception、MobileNet、ShuffleNet
总结今年来的几个轻量化模型:SqueezeNet、Xception、MobileNet、ShuffleNet下面给出时间轴:2016.02 伯克利&斯坦福提出 SqueezeNet2016.10 google提出 Xception2017.04 google提出 MobileNet2017.07 face++提出 Shuffle...原创 2018-08-20 20:58:31 · 13485 阅读 · 1 评论 -
人脸活体检测简介
关键词:live detection、 Face Anti-Spoofing、 Presentation Attack1、简单介绍什么是活体检测,是指计算机判别检测的人脸是真实的人脸,还是伪造的人脸攻击,比如合法用户图片、提前拍摄的视频等。传统方法将其视为一个“活体”VS“假体”的二分类问题,当然也可看成多分类问题,如真人、图片攻击、视频回放攻击、面具攻击等)目前主要研究机构:OULU大...原创 2018-12-31 20:39:37 · 13072 阅读 · 3 评论 -
【人体行为识别】Reversing Two-Stream Networks with Decoding Discrepancy Penalty for Robust Action Recogniton
论文链接:https://arxiv.org/pdf/1811.08362.pdf这篇论文讨论的是行为识别中的鲁棒性和泛化能力。论文简要0、摘要作者认为,对乱序的帧序列和多变的视频环境,目前的动作识别方法不够鲁棒性和泛化。造成这种问题的原因,作者认为,一是由于传统方法中有着不同输入的多流网络的决策差异问题,二是在交叉数据实验中,作者发现光流特征很难被迁移,这影响了two-stream网路...原创 2018-12-31 20:29:10 · 1213 阅读 · 4 评论 -
【活体检测】人脸活体检测、红外人脸数据集整理
此篇博客主要整理人脸活体检测的数据集。目前人脸活体攻击的方式主要有:照片打印、视频回放攻击、3D人脸面具等。因此数据集也是根据这些攻击方式制作的。一共整理了11个活体检测的数据集。此外还整理了6个红外人脸数据集。活体检测数据集红外数据:IDIAP:msspoof: Multispectral-Spoof Database1、NUAAhttp://parnec.nuaa.edu.cn/...原创 2018-12-22 17:52:34 · 22737 阅读 · 12 评论 -
denseflow视频截帧提取光流工具
本篇博客介绍如何安装denseflow工具,由https://github.com/yjxiong/dense_flow提供。这个工具可以对视频进行截帧,并计算光流保存到本地,使用了GPU编译的OpenCV,所以提取速度很快,后续可以用于行为动作识别中,例如two-stream网络、TSN等。1、简单介绍官方提供的安装方式很简单,如下,编译后就可以了,但往往不尽如人意,每次编译都会遇到各种...原创 2018-12-22 14:31:25 · 14034 阅读 · 37 评论 -
【人脸识别】A Discriminative Feature Learning Approach for Deep Face Recognition
一、理解1、核心思想2、论文效果3、总结二、原文翻译1、abstract卷积神经网络目前广泛应用于计算机视觉领域,明显地提高了state-of-the-art。在大多数可用的CNNs中,softmax损失函数被用作监督信号以训练深度模型。为了提高深度学习特征的判别能力,这篇论文为人脸识别任务提出一个新的监督信号,成为center loss。特别的,center loss同时学习每个类...原创 2018-10-24 20:55:33 · 766 阅读 · 0 评论 -
【Dlib】人脸检测、特征点检测、人脸对齐、人脸识别
本文是利用dlib库,进行人脸检测、特征点检测、人脸对齐。所有前提是假设已经安装了dlib。参考链接:1、http://developer.51cto.com/art/201801/564529.htm2、https://blog.csdn.net/ying86615791/article/details/712172733、1、准备工作1.1 安装dilb下载安装包安装或者pi...原创 2018-10-26 11:46:12 · 26089 阅读 · 12 评论 -
YOLO v2 学习与研究
论文:YOLO9000:Better, Faster, Stronger论文链接:https://arxiv.org/abs/1612.08242工程链接:https://pjreddie.com/一、对比1、二、核心思想三、论文翻译原创 2018-10-16 22:56:52 · 388 阅读 · 0 评论 -
人脸相关数据集:人脸识别、人脸检测、人脸表情、人脸年龄等等等
参考链接:https://blog.csdn.net/chenriwei2/article/details/50631212https://www.cnblogs.com/ansang/p/8137413.html转载自以上两篇博客,如有侵权请告知删除。直接点击链接,稍后再整理文字内容复制过来...转载 2018-10-19 11:48:57 · 1436 阅读 · 0 评论 -
人脸识别常用的性能评价指标
参考链接:1、https://blog.csdn.net/blueblood7/article/details/418235932、https://blog.csdn.net/lijiao1181491631/article/details/54407830?utm_source=blogxgwz01、混淆矩阵预测预测正负实际正TPFN实际...原创 2018-10-19 11:29:30 · 20621 阅读 · 1 评论 -
基于深度学习的人脸识别综述
本文转载自https://xraft.github.io/2018/03/21/FaceRecognition/(作者:Caleb Ge (葛政)),如有侵权请告知删除。(下文中的“我”均为原文作者)另附有查找的其他参考链接:论文介绍方面链接:1、https://blog.csdn.net/fengbingchun/article/details/809046882、https://...转载 2018-10-18 21:05:33 · 11793 阅读 · 3 评论 -
经典卷积神经网络总结:Inception v1\v2\v3\v4、ResNet、ResNext、DenseNet、SENet等
本文为总结今年来的卷积神经网络,主要按照时间线和方法类似程度的顺序总结。开篇先前说下概要,然后展开详细介绍,主要是在densenet、resnext、senet这三个网络上介绍,前面的一系列网络大概讲一下思想。1、时间轴 时间 团队 论文 2014.09 google Inception v1 2015.02 google Ince...原创 2018-08-21 22:35:29 · 17192 阅读 · 3 评论 -
【Keras】使用Keras建立模型并训练等一系列操作
由于Keras是一种建立在已有深度学习框架上的二次框架,其使用起来非常方便,其后端实现有两种方法,theano和tensorflow。由于自己平时用tensorflow,所以选择后端用tensorflow的Keras,代码写起来更加方便。1、建立模型Keras分为两种不同的建模方式,Sequential models:这种方法用于实现一些简单的模型。你只需要向一些存在的模型中添加层就行了。Fun原创 2018-01-10 20:48:09 · 20629 阅读 · 4 评论 -
【tensorflow】保存模型、再次加载模型等操作
由于经常要使用tensorflow进行网络训练,但是在用的时候每次都要把模型重新跑一遍,这样就比较麻烦;另外由于某些原因程序意外中断,也会导致训练结果拿不到,而保存中间训练过程的模型可以以便下次训练时继续使用。所以练习了tensorflow的save model和load model。参考于http://cv-tricks.com/tensorflow-tutorial/save-restore-t原创 2018-01-12 21:04:16 · 67195 阅读 · 24 评论 -
TensorFlow学习笔记11----Building Input Functions with tf.contrib.learn
原文教程:tensorflow官方教程记录关键内容与学习感受。未完待续。。Building Input Functions with tf.contrib.learn——这个教程向你介绍如何在tf.contrib.learn创建输入函数。你可以获得一个如果构造input_fn的综述来对你的模型预处理和喂进数据。接着,接着你可以实现一个input_fn,它可以在神经网络回归量提供训练、验证和预测数据,原创 2017-06-06 20:31:41 · 1710 阅读 · 0 评论 -
TensorFlow学习笔记10----Logging and Monitoring Basics with tf.contrib.learn
原文教程:tensorflow官方教程记录关键内容与学习感受。未完待续。。Logging and Monitoring Basics with tf.contrib.learn——当训练一个模型时,实时地跟踪和验证处理过程是很有价值的。在本教程中,你将学习如何使用tensorflow的日志功能和监督API,来审计一个关于鸢尾花分类的神经网络分类器的训练过程。这个教程的代码依赖于tf.contrib.原创 2017-06-01 15:22:36 · 5497 阅读 · 2 评论 -
TensorFlow学习笔记9----TensorFlow Wide & Deep Learning Tutorial
原文教程:tensorflow官方教程记录关键内容与学习感受。未完待续。。TensorFlow Wide & Deep Learning Tutorial——在前面的教程TensorFlow Linear Model Tutorial中,我们训练了一个逻辑回归模型,使用Census Income Dataset来预测个人年收入是否超过50000美元可能性。tensorflow对于训练深度神经网络也原创 2017-05-25 19:03:34 · 8935 阅读 · 2 评论 -
TensorFlow学习笔记8----TensorFlow Linear Model Tutorial
原文教程:tensorflow官方教程记录关键内容与学习感受。未完待续。。TensorFlow Linear Model Tutorial——在本教程中,我们将使用tensorflow中tf.learnAPI来解决一个二元分类的问题:对于给定的人口普查数据,例如一个人的年龄、性别、教育、职业(特征),我们要试图预测出一个人一年是否能赚超过50000美元(目标标签),我们将训练一个逻辑回归模型,并且给原创 2017-05-11 17:36:55 · 4746 阅读 · 0 评论 -
TensorFlow学习笔记7----Large-scale Linear Models with TensorFlow
原文教程:tensorflow官方教程记录关键内容与学习感受。未完待续。。Large-scale Linear Models with TensorFlow——tensorflow中,tf.learn API提供了大量可供线性模型工作的工具。这篇文档提供了关于这些工具的综述,它解释了:什么是线性模型为什么使用线性模型tf.learn如何帮助构建线性模型如何结合tf.learn和深度学习的线性原创 2017-05-10 09:04:54 · 1409 阅读 · 0 评论 -
TensorFlow学习笔记6----tf.contrib.learn Quickstart
原文教程:tensorflow官方教程 翻译教程:极客学院记录关键内容与学习感受。未完待续。。tf.contrib.learn 快速介绍——tf.contrib.learn是tensorflow高级别的机器学习API,它可以很轻松安装、训练、验证多种类的机器学习模型。在本教程中,你可以使用它来构建一个神经网络分类器并且利用Iris CSV数据训练,基于花萼、花瓣的几何形状来预测花的种类。——你可以原创 2017-05-09 10:19:39 · 1781 阅读 · 1 评论 -
TensorsFlow学习笔记5----TensorFlow Mechanics 101基本运作方式
原文教程:tensorflow官方教程 翻译教程:极客学院记录关键内容与学习感受。未完待续。。TensorFlow Mechanics 101基本运作方式代码:tensorflow/examples/tutorials/mnist/——本教程的目标是展示如何使用tensorflow,利用MNIST数据集,训练和评估一个可以识别手写数字的简单的前馈神经网络。因此受众是对机器学习有经验并且对tenso原创 2017-05-04 08:44:48 · 1031 阅读 · 0 评论 -
TensorsFlow学习笔记4----面向机器学习专家的深度MNIST教程(Deep MNIST for Experts)
原文教程:tensorflow官方教程 翻译教程:极客学院记录关键内容与学习感受。未完待续。。面向机器专家的深度MNIST教程(Deep MNIST for Experts)—–tensorflow是一个很强大的库,可以做大型数值运算。其中它最擅长的任务之一就是实现并训练深度神经网络。在这个教程中,我们将学习构建tensorflow模型的基本步骤,然后构建一个深度卷积MNIST分类器。—–这个教程原创 2017-05-02 19:39:02 · 1611 阅读 · 1 评论 -
TensorsFlow学习笔记3----面向机器学习初学者的MNIST教程(MNIST For ML Beginners)
原文教程:tensorflow官方教程 翻译教程:极客学院记录关键内容与学习感受。未完待续。。面向机器初学者的MNIST教程(MNIST For ML Beginners)—–适用于对机器学习和tensorflow初学者。而这里MNIST就好比学语言时候的打印hello world。 —–MNIST是一个简单的计算机视觉数据集,它包括各种手写数字的图像,比如: —–它也包含每张图像对应的标原创 2017-04-27 11:44:09 · 2428 阅读 · 0 评论 -
TensorsFlow学习笔记2----教程综述
原文教程:tensorflow官方教程 翻译教程:极客学院记录关键内容与学习感受。未完待续。一、基本的神经网络—–第一个tensorflow教程指导你通过训练和测试一个简单的神经网络,来从数字图像的MNIST数据集中分类手写数字。1、面向机器初学者的MNIST教程(MNIST For ML Beginners)—–第一次学习机器学习的人建议从这个教程看起。你将学到一个分类问题,手写数字分类,并且获原创 2017-04-26 20:20:24 · 626 阅读 · 0 评论 -
TensorFlow学习笔记1----介绍
原文教程:tensorflow官方教程 翻译教程:极客学院记录关键内容与学习感受。未完待续。1、使用Python API编写的tensorflow代码生成二维数据,并且拟合成一条直线import tensorflow as tfimport numpy as np#Create 100 phony x,y data point in Numpy, y=x*0.1+0.3x_data = np.原创 2017-04-25 15:32:03 · 808 阅读 · 0 评论 -
生成对抗网络学习笔记3----论文unsupervised representation learning with deep convolutional generative adversarial
论文原文:地址论文译文:地址1、阅读论文Radford A, Metz L, Chintala S. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks[J]. Computer Science, 2015.2、翻译论文摘要近年来,使用卷积神经网络的监督学习被大量应用原创 2017-06-20 16:45:16 · 32954 阅读 · 7 评论