![](https://img-blog.csdnimg.cn/20190918140012416.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
头部姿态估计、表情识别等课题
福尔摩斯帅双
追求卓越,成功就会出其不意找上门。
展开
-
交叉熵损失函数的理解
https://blog.csdn.net/tsyccnh/article/details/79163834原创 2021-04-26 15:48:49 · 352 阅读 · 0 评论 -
Python绘制混淆矩阵
# ------------------------------------绘制混淆矩阵-------------------------------------- import pandas as pd import matplotlib.pyplot as plt import seaborn as sn # 可视化包 import numpy as np Confusion_Matrix = [[0 for i in range(8)] for i in ran原创 2020-12-21 15:53:00 · 301 阅读 · 1 评论 -
读取头部姿态数据集300W_LP、AFLW2000、BIWI数据集中的真值
将与图片对应的.mat文件放入matlab中打开,在工作区双击"Pose_Para",前三个参数即为头部姿态角的俯仰、偏航和滚转角,将这三个数依次乘以180度再除以派(3.1415926),即可得到以度(°)为单位的头部姿态角。...原创 2020-08-27 15:54:30 · 3380 阅读 · 2 评论 -
论文阅读:《Occlusion Aware Facial Expression Recognition Using CNN With Attention Mechanism》
提出了一个带有注意力机制的CNN,可以识别出脸部的遮挡区域,并之后关注于未被遮挡的区域。提出的ACNN是一个端对端的学习框架,提出的该模块可以将网络的注意力从遮挡的部分移至其他相关的未被遮挡的部分。...原创 2020-11-24 22:36:22 · 1650 阅读 · 6 评论 -
日常学习笔记
记录一些日常学习的笔记论文:《基于遮挡感知卷积神经网络的面部表情识别方法》原创 2020-11-23 11:32:42 · 155 阅读 · 0 评论 -
模型持久化之PB文件
.ckpt文件会保存模型全部信息,但在测试模型的场合,只需要保存模型结构和参数变量取值,因为在这种情况下只要从输入层经过前向传播计算得到输出层结果,类似于变量初始化,反向传播的相关节点或者模型保存的辅助节点上不需要的.PB文件具有语言独立性,保存PB文件的样例import tensorflow as tf#graph_util模块定义在tensorflow/python/framework/graph_util.pyfrom tensorflow.python.framework import g原创 2020-10-11 11:28:23 · 440 阅读 · 1 评论 -
TensorFlow模型持久化
模型持久化的目的在于可以使模型训练后的结果重复使用,保存模型和还原模型是模型持久化的主要任务.train.Saver类是保存和还原模型的API.持久化两个向量相加的例子的代码:import tensorflow as tf#声明两个变量并计算其加和a = tf.Variable(tf.constant([1.0,2.0],shape=[2]), name="a")b = tf.Variable(tf.constant([3.0,4.0],shape=[2]), name="b")result=原创 2020-10-11 11:14:16 · 61 阅读 · 0 评论 -
TensorBoard可视化
TensorBoard界面基于Web,TensorFlow程序运行过程中输出汇总了各种类型数据的日志文件,可视化TensorFlow程序的运行状态就是使用TensorBoard读取这些日志文件,解析数据生成可视化的Web界面.以下程序完成了TensorBoard日志保存功能:import tensorflow as tf#定义计算图实现向量加法input1=tf.constant([1.0,2.0,3.0],name="input1")input2=tf.Variable(tf.random_un原创 2020-10-04 11:28:21 · 142 阅读 · 0 评论 -
Python报错:AttributeError: ‘Tensor‘ object has no attribute ‘numpy‘
Python报错:Traceback (most recent call last):File “code_09_mydataset.py”, line 138, in img = Image.fromarray(np.uint8(i.numpy()))AttributeError: ‘Tensor’ object has no attribute ‘numpy’参考文献:https://blog.csdn.net/LearnToPain/article/details/102996795转载 2020-09-28 14:45:50 · 1440 阅读 · 0 评论 -
图像金字塔、特征金字塔(FPN)
图像金字塔参考:https://www.jianshu.com/p/436e96200f80图像金字塔是图像多尺度表达的一种,是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图的图像集合。其通过梯次向下采样获得,直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔,层级越高,则图像越小,分辨率越低。在OpenCV中,有关图像金字塔的操作有pyrup()和pyrdown(),分别用来完成上采样和下采样,其实在转载 2020-09-12 10:59:13 · 8103 阅读 · 0 评论 -
香农信息量、信息熵、相对熵、交叉熵
香农信息量:https://blog.csdn.net/weixinhum/article/details/85059320https://blog.csdn.net/zxrttcsdn/article/details/81118818信息熵:https://www.cnblogs.com/IamJiangXiaoKun/p/9455689.htmlhttps://blog.csdn.net/weixinhum/article/details/85059557相对熵(KL散度):交叉熵转载 2020-09-07 10:37:50 · 146 阅读 · 0 评论 -
深度学习中的Epoch、Batch_size、Iterations
转载自:https://www.jianshu.com/p/e5076a56946c一个epoch指代所有的数据送入网络中完成一次前向计算及反向传播的过程。Batch就是每次送入网络中训练的一部分数据,而Batch_Size就是每个batch中训练样本的数量。iterations就是完成一次epoch所需的batch个数。batch numbers就是iterations。例如:有2000个数据,分成4个batch,那么batch size就是500。运行所有的数据进行训练,完成1个epo转载 2020-09-03 19:46:27 · 137 阅读 · 0 评论 -
全局平均池化(GAP)代替全连接层
参考博文:https://blog.csdn.net/u012426298/article/details/81813963https://blog.csdn.net/oppo62258801/article/details/77930246转载 2020-09-03 14:52:10 · 1459 阅读 · 0 评论 -
卷积核分解、深度可分离卷积
参考于:《深度学习与目标检测》 杜鹏 仅供学习交流GoogLeNet团队在Inception v2 :较大尺寸的卷积核可以带来较大的感受野,但也会带来更多的参数和计算量。用两个连续的3X3的卷积核来代替一个5X5的卷积核,在保证感受野大小不变的同时可以减少参数个数,如下图两个3X3的卷积核的参数数量为18,一个5X5的卷积核的参数数量为25,由此可见参数数量得以减少,且感受野大小不变。一个nXn的卷积核可以由1Xn和nX1的卷积核组合代替。例如,当n为3时在网络低层使用这个方法不好,在原创 2020-09-03 11:26:57 · 1305 阅读 · 0 评论 -
普通卷积、分组卷积、深度分离卷积
参考博文:https://www.jianshu.com/p/a936b7bc54e3转载 2020-09-03 10:50:00 · 287 阅读 · 0 评论 -
细粒度图像分类
部分内容转载自如下博文,仅供学习交流https://www.cnblogs.com/YourZhou/p/12219896.html细粒度图像分类问题是对大类下的子类进行识别。细粒度图像分析任务相对通用图像任务的区别和难点在于其图像所属类别的粒度更为精细。细粒度图像分类与传统图像分类而言,细粒度图像分类中所需要进行分类的图像中的可判别区域往往只是在图像中很小的一块区域内。在传统的图像分类网络中,无论图像中的重要判别区域占整个图像的比重有多大,都只会对整张图片一视同仁的提取特征。因此,在一些判别转载 2020-09-02 22:17:13 · 1288 阅读 · 0 评论 -
SSR-Net(年龄估计)
参考博文:https://zhuanlan.zhihu.com/p/87692466https://blog.csdn.net/linshuo1994/article/details/82820591https://www.jianshu.com/p/219436a44f89DEX 将年龄均分为个年龄段,转载 2020-09-04 16:44:44 · 425 阅读 · 0 评论 -
软分类和硬分类
软分类和硬分类参考博文:https://blog.csdn.net/eternity1118_/article/details/51525702软分类:使用的是概率模型,输出不同类对应的概率,最后的分类结果取概率最大的类,如多SVM组合分类;硬分类:使用的是非概率模型,分类结果就是决策函数的决策结果。...转载 2020-09-01 11:25:37 · 1343 阅读 · 0 评论