m0_37192554的博客

原创 第二篇mxnet 模型直接转换caffe层解析，不用onnx, mobilenet,res50retinaface,upsample,pool

#coding=utf-8import sysimport argparseimport jsonfrom prototxt_basic import *parser = argparse.ArgumentParser(description='Convert MXNet jason to Caffe prototxt')parser.add_argument('--mx-json'...

原创 第一篇，mxnet 模型直接转换caffe层解析，不用onnx,retinaface mxnet pytorch caffe upsample

1、https://github.com/jnulzl/Pytorch_Retinaface_To_Caffe作者在 mycaffe 提供了该层源码这里的caffe是，上采样NEAREST实现的#####################Upsample_nearest_1#####################layer{name:“Upsample_nearest_1”type...

原创 第三篇mxnet 模型直接转换caffe层解析，不用onnx, arcface,fix_gamma=True,false

1、mxnet model 参数输出打印的代码import mxnet as mxsym, arg_params, aux_params = mx.model.load_checkpoint('mobilenet_v2', 0)for param in arg_params: print(param)print(arg_params['conv1_weight']) arg_...

转载 caffe各层解析以及参数说明（慢慢整理，做个笔记）

caffe各层解析以及参数说明（慢慢整理，做个笔记） ...

原创 caffe 读取图片，测试

def caffe_get_one_feature(deploy, caffe_model, img, layer): caffe.set_mode_gpu() net = caffe.Net(deploy, caffe_model, caffe.TEST) # tensor preprocess img = cv2.imread(path) img = ...

转载 pycharm工程文件显示路径不对，import error

原创 多人种人脸识别2019年的相关工作

https://www.bilibili.com/video/BV1qJ411y7jS/?p=2&t=46https://www.bilibili.com/video/BV1f7411F7Bj?t=1106https://www.datafountain.cn/competitions/348

原创 caffe源码解读

https://www.bilibili.com/video/BV1qt411P78f?from=search&seid=1164340526454827956

转载 【ICCV2019】probabilistic face embeddings 概率人脸嵌入， 对监控模糊低分辨人脸更具有适应性

【ICCV2019】probabilistic face embeddings 概率人脸嵌入对监控模糊人脸更具有适应性，可以加https://blog.csdn.net/leviopku/article/details/102796208

转载 caffe net.blobs: net.params作用

caffe的python接口学习（8）：caffemodel中的参数及特征的抽取 </h1> <div class="clear"></div> <div class="postBody"> 如果用公式  y=f(wx+b)来表示整个运算过程的话，那么w和b就是我们需要训练的东西，w称为权值，在cnn中也可以叫做...

原创 c++ unordermap map简单用法，leetcode 169unordered_map，写法

169多数元素//unordered_map因为内部实现了哈希表，因此其查找速度非常的快,但是哈希表的建立比较耗费时间。//.有序性，这是map结构最大的优点,内部实现一个红黑书使得map的很多操作在lgn的时间复杂度下就可以实现//空间占用率高，因为map内部实现了红黑树，虽然提高了运行效率，但是因为每一个节点都需要额外保存父节点、孩子节点和红/黑性质，使得每一个节点都占用大量的空间。适用...

转载 opencv c++学习实战

话不多说，上干货！！！1.《Learning OpenCV3》咦，你可能会问：一本书有什么好推荐的？答：当你打开第一页的时候，你会发现它无与伦比的美腻。不信，来瞧瞧：你或许会问，这有啥？答：有理论、有代码、有图示和tips注：不是装逼，因为首推的一定也必须是英文版的书，而且这是经典爆款书籍，为什么一定是英文？！不多说，只表示，英语再难也要咬牙啃下来。《Learning OpenCV3》是经典款《L...

原创 c++, std， using namespace,作用 两个冒号，Opencv Mat、GpuMat、Mat_之间的转换，析构函数，C++创建对象的三种不同方式

using namespace std;凡是函数名在std中出现的函数，都调用其中的函数。这样其实是偷懒的做法，如果要更严谨，using std::cout;使用名称空间std中的cout函数，对其他函数的使用不会构成影响，：：是名称空间解析符///////////////////////////////////////////////////////////////////////...

原创 python使用过程知识记忆点

书：《Python机器学习基础教程》《流畅的python》1、Python中collections模块 使用https://www.cnblogs.com/dianel/p/10787693.html

原创 减肥减脂的好的书搜集

1、仰望尾迹云 《我的最后一本减肥书》2、仰望尾迹云 《这样减肥不反弹》3、30岁起这样吃代谢好就不难瘦3、精力管理3、蒂莫西·费里斯 《每周健身4小时》食谱类型膳叔的快手减脂餐诱人的减脂料理...

原创 低分辨率人脸在没有数据的情况下，提升方法

1、domain adapt ，高低分辨率双通道2017 ADDA2018201920202、细腻度分类方法训练3、数据处理刚开始只是添加低分辨降采样后来在此基础上添加模糊，遮挡用细腻度方法，训练得到最有辨识度人脸特征，并用热力图显示查看不同模型结果，对不同人脸的一个，注意力...

转载 pytorch中tf.nn.functional.softmax(x,dim = -1)对参数dim的理解,F.softmax(input,dim=2)

pytorch中tf.nn.functional.softmax(x,dim = -1)对参数dim的理解 原创 ...

转载 pytorch多GPU训练的两种方式了解 nn.DataParallel，distributedDataparallel

真的没想到随手写的一篇小笔记会引起那么多关注，真是瑟瑟发抖。读研之后，才开始接触pytorch, 理解的难免有很多错误，感谢各位大佬指出的错误和提出的意见，我会慢慢修改的。评论区有大佬说nvidia的apex.distributeddataparallel也是一个很好的选择，https://github.com/NVIDIA/apex/blob/master/examples/imagenet/m...

原创 神经网络压缩相关持续更新

ICCV 2019 提前看｜三篇论文，解读神经网络压缩https://baijiahao.baidu.com/s?id=1648068374928827623&wfr=spider&for=pc