silence2015的专栏

背景：视频帧序列逐个跑一遍CNN模型，发现CPU被占满了经过debug发现问题出在torchvision transorms.totensor上经过搜索，torch在设计多线程加速计算时候会默认占满所有core，因此cpu会飙满，这对别的应用程序速度影响非常大，因此需要控制一下。解决方法：1）torch.set_num_threads(1)手动控制一下torch占用的线程数2）设置环境变量export OMP_NUM_THREADS=1 or export MKL_NUM_THREADS=1

Region Proposal by Guided Anchoring 出自mmlab的陈凯，作者提出一种模型自己生成anchor的策略来替换常规的RPN层，起到获取更加稀疏更高质量Proposal的目的。痛点：不同数据集需要人手工调整anchor的尺度和比例参数，这些anchor参数极大影响后续的检测结果。想要获取更高的proposal召回率，需要铺设更多的anchor，但这无疑拖慢了模型计算，同时更多的anchor会一定程度干扰训练优化因此，模型自己生成anchor成为一个很好解决方

CNN能在规则结构数据上取得惊人成绩归功于规则结构数据的平移不变性，因此CNN利用参数共享完成规则数据的特征抽取，这里的规则数据有如图片等数据。但图结构数据不具备结构规则性，CNN因此失效了，图数据上的节点受到周边乃至更远节点的影响，因此我们需要一种方法能够考虑节点以及它所相关的节点相互影响的模型来完成节点特征抽取。GCN和CNN一样，可以理解为一种特征提取器，GCN可以完成节点分类，图分类，边预测，图嵌入等。在GCN中，有几个重要的概念需要清楚（这儿以无向图为例）度矩阵D：表示节点的度邻接矩阵

首先介绍一下GCN实现人脸聚类这篇论文，然后记录一下作者开源代码的阅读心得（代码写的很nice！）Learning to Cluster Faces via Confifidence and Connectivity Estimation CVPR2020一图胜千言，图2即作者提出的GCN网络来实现人脸聚类的全流程，其实本文的重点不在于GCN模型的构建，而是一种GCN思想在人脸聚类上的应用。GCN实现人脸聚类主要分为四个部分：图的构建，GCN-V实现节点置信度预测，GVN-E实现边连接预测，通过基于

ArcFace可以说是现在人脸识别损失函数中应用最为成功也最为有效的损失之一，在各大人脸数据集上可谓屠榜。论文：ArcFace: Additive Angular Margin Loss for Deep Face Recognition常规交叉熵损失如下：当我们将W和X都通过L2归一化，设置偏执b为0，则可将矩阵相乘的结果logit看成一个余弦距离与缩放因子S的乘积，这两者在结果上是等价的，那么logit就与w和x无关了，仅与θ和s有关，如果固定s，那仅与θ有关。...

看论文前可先看下作者自己在知乎的总结：https://zhuanlan.zhihu.com/p/51806059这篇论文简称CDP，利用监督方式训练一个度量模型判别图片对判别进而实现人脸聚类，使用聚类的人脸来训练人脸识别模型。open-setandclose-set类似ImageNet识别这种，明确知道类别范围的分类问题称为close-set问题，但人脸方面基本都属于open-set问题（测试类别不一定在训练集范围内），因此测试过程通常是提取人脸特征进行比对，而非直接通过网络推理...

DSFD为CVPR2019的工作，作者提出一种双分支的人脸检测算法，网络结果如下创新点如下：1.一种新的特征增强模块（FEM）该模块可看做FPN的升级版，在特征融合后使用空洞卷积捕捉多尺度表征增强感受野对比实验发现涨点明显2.双分支结构DSFD为并行双预测分支组成，训练阶段两条分支都作预测，而测试阶段仅使用第二条分支（特征增强分支）。为什么使用双分支呢？作者提到可以将第一条预测分支看成是一种辅助监督，使得特征更符合人脸检测（个人理解：第一条分支可看成一种特征约束）。其中两条分支除了采用的a

参考：DDP使用讲解：https://zhuanlan.zhihu.com/p/113694038官方ImageNet分布式训练案例： https://github.com/pytorch/examples/blob/e49fa5846f/imagenet/main.py官方DDP使用案例： https://github.com/pytorch/examples/blob/e49fa5846f/distributed/ddp/main.py...

2017年的文章了，作者对已有基于anchor的人脸检测算法在感受野不匹配、小脸特征少、anchor匹配不均、以及浅层预测出现大量FP等问题分别分析并提出改进。S3FD模型结构如上图可见为SSD的改进版，分别针对现有的不足，作者分别作了以下改进。1.在模型结构上的改进这一块作者称为scale-equitable framework，在vgg16模型基础上新增卷积层，并在6层特征图上分别做预...

百度2018年出品，霸榜wider face一段时间，性能小怪兽。对于遮挡、小、模糊的人脸，仅仅靠人脸那点信息较为判别那是人的脸，得借助头啊，上半身这些上下文信息来辅助判别才能较好判定那些很难看出来的人脸。这就是本文作者提出的pyramidanchors的核心思想，如下图所示，借助人头，上半身能较好判别人脸。作者主要有以下贡献：提出一个FPN的改进版，LFPN。作者分析较高层的特征可...

找了个开源的实现，这个实现版本将NMS结果与优化框一起作为输出参考：https://github.com/sfzhang15/SFD/blob/c1abcf014d430354ce3a61c7f33de0dcf2021186/sfd_test_code/WIDER_FACE/wider_test.py#L41https://github.com/facebookresearch/Dete...

assign和sample是在anchor target中的核心操作。assign一般基于IOU，mmdet中也有基于atss和基于point的等。sample一般为随机，也有ohem的，基于伪标签的。MaxIoUAssigner这是常用的assign方法，下面为mmdet中该类介绍及构造函数参数说明"""Assign a corresponding gt bbox or backgro...

anchor_target函数解读该函数输入参数："""Compute regression and classification targets for anchors.Args: anchor_list (list[list]): Multi level anchors of each image. valid_flag_list (list[list]): Multi ...

mmdet中anchor_head为预测分支的基类，包含了_inti_layers, init_weights, forward_single,forward, get_anchors, loss，get_bboxes这些功能，囊括了训练用到的loss计算以及预测用到的get_bboxes方法。1、forward_single and forward单尺度预测，得出分类，边框预测def fo...

anchor是一组先验框，在faster rcnn中被提出，再次记录mmdetection anchor生成思路。mmdet中的AnchorGenerator类负责生成anchor，该类构造函数接收三个参数：base size，ratios，scalesbase size：anchor大小ratios：anchor 高宽比scales：anchor缩放比例每一处生成ratios*scal...

内网穿透意思就是使用某种技术实现外网访问到内网比如公司内网只能在公司局域网内访问，在家里无法直接访问到公司的电脑。那么使用frp搭建一个内网穿透服务就能实现在家远程访问公司内网电脑。所需设备：一个有公网ip的设备整个frp的搭建流程很简单，将家里电脑（内网内设备）称为客户端，即想要访问的对象；将有公网ip的设备叫服务器。我们需要分别在公网服务器上起一个frp服务器，然后在客户端上起一个frp...

keras可以方便画出网络结构图，但在使用过程中有两个库需要先安装 pydot 和graphvizos： unbantupydot使用pip很容易安装graphviz直接用pip装没问题，但是使用时候遇到环境变量问题。这儿需要将graphviz/bin添加到环境变量，但是我装完发现graphviz文件下无bin文件。。。另寻他路，apt-get install graphviz直接安装成功...

给定一个非空字符串 s 和一个包含非空单词列表的字典 wordDict，判定 s 是否可以被空格拆分为一个或多个在字典中出现的单词。说明：拆分时可以重复使用字典中的单词。你可以假设字典中没有重复的单词。示例 1：输入: s = “leetcode”, wordDict = [“leet”, “code”]输出: true解释: 返回 true 因为 “leetcode” 可以被拆分成...

dabadcmnm最长回文子串为dabad此题有多种解法，暴力法就是逐个子串来比较，记录最长子串，复杂度太高。动态规划当子串是回文子串时候，我们只需要看两遍新添的两个字符是否相等，若相等则最新串也是最长子串；若不等，则新串不是回文子串。这也是此题的状态转移方程。例如，aba是回文子串，当aba子串两端新添的两个字符相等时候，新串dabad也是回文子串。我们可以用一个二维数组dp记录所有的...