![](https://img-blog.csdnimg.cn/20190927151101105.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
计算机视觉CV
文章平均质量分 60
计算机视觉CV,Computer Vision
AI生成曾小健
"AI生成曾小健2"是该号副号。AI生成式技术,计算机博士;这个博客的主题主要是AI生成式技术、AI相关技术、机器/深度学习论文或科研前沿、GNN图神经网络、神经网络,包括人工神经网络和生物神经网络,及其大脑演化,智能和认知的产生,通用人工智能;
如果需要看商科/金融相关的请移步CSDN: 量化交易曾小健(金融号)
展开
-
人脸关键点检测输出详解
8525可能代表预测框的数量,4可能代表每个预测框的坐标信息,通常会包含左上角和右下角的坐标,或者是中心点的坐标加上宽高。输入图像的形状是 [1, 3, 640, 640],代表有1张图像(batch size为1),每张图像有3个颜色通道(RGB),图像的大小为 640x640 像素。8525同样代表预测框的数量,2可能代表每个预测框属于某个类别的概率。模型的输出包含两个部分:'loc' 和 'conf',每个部分的输出形状分别为:[1, 8525, 4] 和 [1, 8525, 2]。原创 2023-07-21 16:47:45 · 262 阅读 · 0 评论 -
300-W人脸点标注数据集,能提取五官- 智能行为理解小组 (iBUG),伦敦帝国学院计算系
图 1: (a)-(d) 来自 MultiPIE、XM2VTS、AR、FRGC Ver.2 数据库的注释图像,以及 (e) 来自 XM2VTS 的注释不准确的示例。现有的面部数据库涵盖了很大的变化,包括:不同的主题、姿势、照明、遮挡等。C.萨戈纳斯、E.安东尼科斯、G、齐米罗普洛斯、S.扎菲里乌、M.潘蒂克。C. 萨戈纳斯、G. 齐米罗普洛斯、S. 扎菲里乌、M. 潘蒂克。C. 萨戈纳斯、G. 齐米罗普洛斯、S. 扎菲里乌、M. 潘蒂克。在某些情况下,提供的注释的准确性不太好(可能是由于人的疲劳)。原创 2023-07-20 11:16:24 · 354 阅读 · 0 评论 -
密集人脸关键点检测(包额头) 资料项目合集
【代码】密集人脸关键点检测(包额头) 资料项目合集。原创 2023-07-20 09:13:23 · 392 阅读 · 0 评论 -
MAE论文精读,预训练图像
成功的应用到CV上面以来,就出现了很多相关性的工作,MAE就是其中的一篇。为何采用随机均匀抽样策略:一是避免潜在的“中心归纳偏好”(也就是避免 patch 的位置大多都分布在靠近图像中心的区域),二是这种策略还造就了稀疏的编码器输入(只处理可见块),能够以更低的代价训练较大规模的 Encoder。需要注意的是,masked tokens不是通过mask 掉的 patch 经过 embedding 转换而来,而是通过一个共享的可学习向量来表示,也就是说每一个被mask的块都表示成同样的向量。原创 2023-06-08 18:42:06 · 1327 阅读 · 0 评论 -
模型量化概述
模型量化是指将神经网络的浮点算法转换为定点。量化有一些相似的术语,低精度(Lowprecision)可能是常见的。低精度模型表示模型权重数值格式为FP16(半精度浮点)或者INT8(8位的定点整数),但是目前低精度往往就指代INT8。常规精度模型则一般表示模型权重数值格式为FP32(32位浮点,单精度)。混合精度(Mixed precision)则在模型中同时使用FP32和FP16的权重数值格式。FP16减少了一半的内存大小,但有些参数或操作符必须采用FP32格式才能保持准确度。参考。原创 2022-10-21 13:55:52 · 1248 阅读 · 0 评论 -
【无标题】
MobileNet v1就是把VGG中的卷积都换成了深度可分离卷积,还有一个不同是采用的是ReLU6,这个在6的时候有一个边界,论文中提到说这样“可以在低精度计算下具有更强的鲁棒性”。不少学者发现在深度卷积中,不少卷积核是空的,这也就说明有不少没有参与运算。而v2的作者认为,这种情况主要是因为ReLU的原因。也解释了ReLU在低维空间运算中会损失很多信息,而在高维空间中会保留很多有用信息。因此就提出了Linear Bottleneck:就是把PW。原创 2022-10-21 13:50:19 · 79 阅读 · 0 评论 -
YOLO和ssd的区别
1.YOLO在卷积层后接全连接层,即检测时只利用了最高层Feature maps(包括Faster RCNN也是如此)而SSD采用金字塔结构,即利用了conv4-3/fc7/conv6-2/conv7-2/conv8_2/conv9_2这些大小不同的feature maps,在多个feature maps上同时进行softmax分类和位置回归2.SSD还加入了Prior box。原创 2022-10-21 13:35:21 · 791 阅读 · 0 评论 -
YOLOv3
YOLO是“You Only Look Once”的简称,它虽然不是最精确的算法,但在精确度和速度之间选择的折中,效果也是相当不错。YOLOv3借鉴了YOLOv1和YOLOv2,虽然没有太多的创新点,但在保持YOLO家族速度的优势的同时,提升了检测精度,尤其对于小物体的检测能力。YOLOv3算法使用一个单独神经网络作用在图像上,将图像划分多个区域并且预测边界框和每个区域的概率。原创 2022-10-21 00:51:27 · 121 阅读 · 0 评论 -
百面计算机视觉 --yolov5 yolov7 目标检测网络改进:引入特征细化网络,重建检测颈部网络,层层递进
参考文献:用于微小目标检测的上下文增强和特征细化网络可以很清楚的看到,YOLOv7大部分继承自YOLOv5,包括整体网络架构、配置文件的设置和训练、推理、验证过程等等,基本上熟悉v5就可以无脑上手v7了;此外,v7也有不少继承自YOLOR,毕竟是同一个作者前后年的工作,包括不同网络的设计、超参数设置以及隐性知识学习的加入;还有就是在正样本匹配时仿照了YOLOX的SimOTA策略。原创 2022-10-18 00:28:47 · 2447 阅读 · 0 评论 -
文字识别-CRNN
CRNN的主要特点是:(1)可以进行端到端的训练;(2)不需要对样本数据进行字符分割,可识别任意长度的文本序列(3)模型速度快、性能好,并且模型很小(参数少)下面将展开对这三个层进行介绍:(1)卷积层① 预处理CRNN对输入图像先做了缩放处理,把所有输入图像缩放到相同高度,默认是32,宽度可任意长。② 卷积运算由标准的CNN模型中的卷积层和最大池化层组成,结构类似于VGG,如下图:从上图可以看出,卷积层是由一系列的卷积、最大池化、批量归一化等操作组..原创 2021-10-19 13:22:34 · 3693 阅读 · 1 评论 -
Opencv-python 视频转图片代码
pip installopencv-python==4.5.3.56import cv2import osdef save_img(): video_path = r'C:\\Users\\321\\Desktop\\srcVideo\\' videos = os.listdir(video_path) for video_name in videos: #file_name = zengWithGun2.mp4 file_name = v.原创 2021-09-18 14:32:31 · 117 阅读 · 0 评论 -
2021-09-02语义分割 实例分割 全景分割
4、Instance segmentation(实例分割)实例分割(上图右)其实就是目标检测和语义分割的结合。相对目标检测的边界框,实例分割可精确到物体的边缘;相对语义分割,实例分割需要标注出图上同一物体的不同个体(羊1,羊2,羊3...)目前常用的实例分割算法是Mask R-CNN。Mask R-CNN 通过向 Faster R-CNN 添加一个分支来进行像素级分割,该分支输出一个二进制掩码,该掩码表示给定像素是否为目标对象的一部分:该分支是基于卷积神经网络特征映射的全卷积网络。将给定的卷积神经网络原创 2021-09-03 10:28:45 · 604 阅读 · 0 评论 -
源码编译OpenCV 4.5.3
Quick startBuild core modules# Install minimal prerequisites (Ubuntu 18.04 as reference)sudo apt update && sudo apt install -y cmake g++ wget unzip# Download and unpack sourceswget -O opencv.zip https://github.com/opencv/opencv/archive/ma原创 2021-08-10 15:47:58 · 508 阅读 · 0 评论 -
peleeNet
1、Pelee分类网络PeleeNet是一种基于Densenet的轻量化网络变体(variant),主要面向移动端部署。分类网络的结构改进包括以下五点:1)Stem Block:实现输入图像空间维度的第一次降采样(stride=2)和通道数的增加。并且在不增加较多计算量的前提下,该模块能够确保较强的特征表达能力:2)Two-Way Dense Layer:受Inception结构的启发,由两路分别捕捉不同尺度感受野信息的网络分支构成。第一路经过一层1x1卷积完成bottleneck之.原创 2021-08-10 13:23:59 · 651 阅读 · 0 评论