![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 72
程序小黑
这个人很懒,什么都不想说。。
展开
-
基于opencv实现人脸检测
人脸检测是对人脸图片进行处理的前提条件,如果需要进行学习,那么数据集的采样可以配合人脸检测功能进行联动采集和过滤。此处,我们主要采用程序设计语言来对图片中的人脸信息进行处理。首先我们需要在我们的计算机中安装opencv,如果安装出现问题的,可以尝试通过anaconda进行一个新环境的安装。首先我们导入模块在这里,我们不仅要对我们采集到的人脸进行检测,我们还需要将一个画面中出现的不同的人脸打上一个标签,如果出现两个人脸相同的情况,那么我们认定他们是同一个人,就将他们的信息存储在一起。...原创 2022-07-25 17:51:09 · 1396 阅读 · 0 评论 -
二维卷积——torch.nn.conv2d的使用
首先打开官方函数,查看conv2d的使用方法。conv函数由三个必填的参数,in_channels指输入的通道数,out_channels指输出的通道数,kernel_size是指的卷积核的核心数,还有一些非必填的参数。例如padding和stride参数,这两个参数的详细作用如下图所示。stride控制的是卷积一次能经过几个矩阵的行和列,padding则是对要处理的数据进行一次填充。...原创 2022-07-21 16:58:55 · 1328 阅读 · 0 评论 -
DF2NET三维模型部署
经过不懈的努力,DF2NET终于在我的小MAC部署起来了。其中遇到了不少的问题,这里来记录一下。原创 2022-07-21 11:29:58 · 231 阅读 · 0 评论 -
实习报告1——人脸三维重建方法
在对细节的重建中,现有方案最常用的是3DMM模型,但是3DMM模型需要采用几百维的数据来表示几万个顶点的数据,会导致数据在重建过程中很难对细节进行无损的处理,在2D到3D的转换中会失真,并且需要很大的计算开销,在初始化的时候需要进行数据的对齐,也是一个耗时的过程。正常尝试对代码进行测试和修复。上图中,a给出了图像的多个角度和特征点,B标记了人脸的特征,C给出了3维的人脸模型,D给出了在特征点数量为13的时候的三维人脸重建的模型拟合情况,E给出了特征点数量在119时的三维人脸重建的模型的拟合情况。......原创 2022-07-20 17:08:37 · 1935 阅读 · 0 评论 -
使用matplotlib模拟线性回归
在线性空间中-1到1中生成100个数字,并通过reshape函数转换成100行1列的数据,并将其打乱。线性回归的主要作用就是用一条线性的函数或者表达式来拟合在离散空间的随机点,是一种预测性的建模技术。linespace的作用就是在-1和1中生成100个数字,并且这100个数字之间的差是相同的。当重复次数足够大时,损失函数会变少,得到的直线(曲线)就会更加拟合区间上的离散点。ones_like方法返回一个和给定数组相同类型的数组,这里定义为X。将所有代码结合,就能够得到线性回归的运行示意图。...原创 2022-07-20 16:33:22 · 1623 阅读 · 0 评论 -
使用toruch.nn搭建最简单的神经网络骨架
依旧惯例,分析官方文档:https://pytorch.org/docs/stable/nn.html#containers这里主要分析Container类。原创 2022-07-13 11:09:55 · 179 阅读 · 1 评论 -
trochvision中数据集的使用
首先通过pytorch的官方文档来确认torchvision中所支持的数据集和构造函数https://pytorch.org/vision/stable/datasets.html所支持的数据集如下图所示。在这里我们使用的是CIFAR-10的数据集作为测试样本。原创 2022-07-13 09:53:13 · 284 阅读 · 0 评论 -
配合TensorBoard通过transform对图像进行规范化处理
对于如何使用tensorBoard的方法已经在前文中进行描述,传送门:https://blog.csdn.net/qq_27180763/article/details/125741091?spm=1001.2014.3001.5501首先还是导入PIL和torch的模块,同时我们也可以导入cv2模块,cv2模块中存在transform方法,而torchvision模块中存在transforms类。...原创 2022-07-12 21:01:48 · 970 阅读 · 0 评论 -
TensorBoard数据可视化工具
TensorBoard是tensorflow官方推出的可视化工具,它可以将模型训练过程中的各种汇总数据展示出来,包括标量(Scalars)、图片(Images)、音频(Audio)、计算图(Graphs)、数据分布(Distributions)、直方图(Histograms)和潜入向量(Embeddigngs)。对于tensorBoard的安装可以使用pip install进行安装,这里百度就能直接找到方法,因此不再赘述。我们这里主要使用tensorBoard的SummaryWriter方法。...原创 2022-07-12 13:41:01 · 638 阅读 · 1 评论 -
使用Pytorch中的DataSet数据集类
使用DataSet数据集类,我们可以自己定义一个类,并继承DataSet类,同时实现**getitem()**方法。根据官方文档描述,所有的subclass都应该继承Dataset类。其中__getitem__方法是必须覆盖的。这个方法的作用是获取数据集中的某个数据。而我们可以通过构造方法__init__来初始化我们的数据集。我们也可以选择性的决定是否要使用__len__方法来实现我们的数据集类。因此,对于我们如下图所示的目录中 ,我们的train目录下存在一个ants的数据集,这个ants就是我们所要原创 2022-07-12 13:17:55 · 1019 阅读 · 0 评论