如云漂泊的博客

近年来，科学、社会、技术领域已经见证了图数据应用的激增。在这些领域当中，表情识别是令人感兴趣的一个领域，其在实际生活中产生了许多应用，如：人机交互、驾驶安全、疼痛监测等等。在这篇论文中提出了一种新的基于图挖掘的人脸表情识别方法，跳脱了人脸区域表征的定式，改用由节点和边组成的图来表征人脸区域，并且采用gSpan频繁子图挖掘算法来发现表情图数据中的频繁子结构。通过采用重叠率公式来减少子图的数量。在所有选中的子图被编码完成后，用二分类的分类器对输入图片进行表情分类，其中表情类别为六类。在SAVEE数据集上

python在正常执行如下代码时：可以看到此时3/4=0.75，我的python版本是3.6.5，已经支持精确除法，但一些老版本尚不支持精确除法，需要执行如下代码来导入精确除法：from __future__ import division若python不支持精确除法，则得到的是截断除法的结果，等同于3//4=0,如下所示：...

这篇文章是北邮的邓伟洪教授关于Deep Facial Expression Recognition,DFER的一篇综述性文章，该文章被计算机视觉顶会CVPR收录。目前，FER（Facial Expression Recogniton）主要存在两个问题：一个就是缺少大量的数据来训练表情识别网络，一旦网络训练数据量过少，就会发生过拟合的现象，这点目前还没有有效的解决办法；另一个问题就是由于年龄、性...

enumerate()函数用于将一个可遍历的对象与索引一起组成新的对象，如下：a = ['one', 'two', 'three']a_ = list(enumerate(a))print(a_)以上实例结果为：[(0, 'one'), (1, 'two'), (2, 'three')]enumerate()常用在for循环中，如下：a = ['one', 'two'...

话不多说，直接上代码import numpy as npimport matplotlib.pylab as pltdef numerical_gradient(f, x): h = 1e-4 grad = np.zeros_like(x) #生成和x形状相同的数组 for idx in range (x.size): tem_val = x[i...

import numpy as npdef sigmoid(x): return 1/(1+np.exp(-x))def identity_function(x): return xdef init_network(): network = {} network['W1'] = np.array([[0.1, 0.3, 0.5], [0.2, 0.4,...

python dict字典是另一种存储容器，可以存储任意类型的对象。字典是以键值对(key: value)的方式进行存储，键值对之间用逗号隔开，整个字典包括在{ }中，格式如下：dict = {key1: value1, key2: value2}键一般是唯一的，如果键重复，最后一个键的值会覆盖前面键的值，值一般不唯一，如下：dict = {'a': 1, 'b': 2, 'b...

numpy数据类型转换需要用到astype()这个函数，如：import numpy as npa = np.arange(0, 2)print(a.dtype)b = a.astype(float)print(b.dtype)输出为：int32float64

assert断言语句的基本语法格式：assert 2 < 3assert 2 == 2assert len([1, 2, 3, 4]) < 10assert range(2) == [0, 1]assert断言语句添加异常参数：s = "nothin is impossible"key = "nothing"assert key in s, "Key: {}...