- 博客(39)
- 问答 (1)
- 收藏
- 关注
原创 git commit的时候卡在 “Locking pre-commit directory“上的解决办法
删除~/.cache/的pre-commit 文件夹即可。
2022-11-08 19:30:27
428
1
原创 kill掉僵尸进程的方法(kill -9 <PPID>)
kill -9 PPID,即PID对应的父进程即可。Z右边第一列为PPID,第二列为PID。先用以上bash命令找到僵尸进程。
2022-10-06 16:01:33
2908
原创 论文学习笔记(15):Low-resolution face recognition(CSRI网络)
目录架构CSRI方法将VDSR作为SR部分的架构,CenterFace作为FR部分的架构损失函数:
2021-09-05 22:16:32
416
原创 论文学习笔记(14):A Study on the Performance of Unconstrained Very Low Resolution Face Recognition: Analyzi
本文的主要贡献有:1. 对state-of-the-art的非常低分辨率(`VLR`)的人脸识别方法的效率和有效性分析。2. 从应用的角度,深入研究现有方法对低分辨率人脸识别问题的优势和局限性。3. 对现代轻量级架构进行概述,并比较它们在非常低分辨率(`VLR`)的人脸数据集上的性能。4. 为未来的研究方向提供见解。
2021-08-22 20:17:03
648
原创 论文学习笔记(13):Face re-identification challenge: Are face recognition models good enough?
这篇文章是关于`Face Re-ID`的,也就是在无约束监控人脸图像中,在空间和时间下对人身份进行追踪的问题。为了促进Face Re-ID的发展,这篇文章提出了一个大规模的监控下Face Re-ID标准数据集——SurvFace。除此之外,通过实验验证我们发现,SotA的人脸识别算法在`face Re-ID`上性能较差,且在实际情况中常见的`open-set`问题将导致`Face Re-ID`问题的研究更加困难。
2021-08-22 15:59:58
493
1
原创 多任务学习中的auxiliary loss(辅助损失)
在读论文时发现对于一些多任务学习,作者往往会在损失项中加上auxiliary loss(辅助损失),对此,阅读了相关资料后做出总结如下:首先,作为知识先验,我们要知道所谓多任务学习(Multi-Task Learning)就是通过在相关任务间共享表示信息,使得模型在原始任务上泛化性能更好。也就是说,一旦发现我们的目标是优化多于一个的目标函数,就可以通过多任务学习来有效求解;但即使对于优化目标只有一个的特殊的情况,辅助任务仍然有可能帮助我们改善主任务的学习性能。多任务学习具有两种学习模式:隐层参数的硬共享
2021-08-18 21:44:50
8268
1
原创 论文学习笔记(12):Does face restoration improve face verification?
这篇文章对现有的人脸修复及人脸验证方法进行了综述,旨在了解人脸重建方法对人脸验证的作用。本文提出了一个定量及定性的benchmark,并在真实监控图像的背景下将其应用于8种人脸修复方法及6种人脸验证方法,对观察到的优劣进行了概述。实验表明,每种修复方法对人脸验证方法的影响不同,只有不到一半的人脸修复方法对人脸验证有用。此外,一些定性评价.
2021-08-17 16:49:00
237
原创 论文学习笔记(11):Cross-resolution learning for Face Recognition
目录Abstract1. Introduction2. Motivation3. Related works4. Datasets5. Approach6. Experimental results7. ConclusionAbstract目前的人脸识别问题在跨分辨率的人脸匹配识别(即LR-HR)上仍知之甚少,因此本文有以下四点贡献:提出了一个训练程序去fine-tune一个state-of-art模型,使其可以提取分辨率鲁棒的深层特征(resolution-robust)使用高分辨率数据集(I.
2021-08-17 16:40:01
577
原创 论文学习笔记(10):FAN: Feature Adaptation Network for Surveillance Face Recognition and Normalization
目录摘要一、介绍二、相关工作2.1 人脸识别2.2 人脸规范化三、特征自适应网络3.1 框架概述3.2 特征解离学习3.3 成对及不成对特征适应性四、实验4.1 实现细节4.2 消融分析4.3 与SOTA方法比较五、结论摘要本文提出了一种特征自适应网络(FAN)以实现监控人脸识别与人脸规范化(face normalization)。其中人脸规范化主要用于图像超分。然而现有的人脸超分方法往往需要pixel-to-pixel的成对训练数据,但这在实际情况系往往是找不到的。文本所提出的FAN可以利用成对及.
2021-08-15 15:38:56
650
原创 论文学习笔记(9):MIND-Net: A Deep Mutual Information Distillation Network for Realistic Low-Resolution Face
摘要本文提出了一个双码流互信息蒸馏网络(MIND-Net),该网络提取了在真实和合成LR人脸上共存的以通用人脸特征为特征的非身份特定的互信息(MI),将其蒸馏以为LRFR提供分辨率不变的嵌入空间。采用正则化MI index以量化MI的蒸馏程度。一、介绍已有的用HR训练得到的人脸识别模型不适用于实际的LR图像,原因在于实际的LR图像具有intra-class variations(运动模糊,光照,姿势,遮挡等)。一种简单的方法是根据实际的LR图像对预训练的模型进行fine-tune,但由于LR标记人.
2021-08-15 15:36:45
285
原创 论文学习笔记(8):Lightweight Low-Resolution Face Recognition for Surveillance Applications
摘要这篇文章主要阐述了适用于监控设备的轻量级人脸识别模型。在轻量级模型的基础上,本文还研究了使用HR下采样混合数据,以及不同模型的组合对LR图像人脸识别的影响。最终得出结论:本文提出的轻量级模型在LR图像超分上得到了最先进的结果,并且将使用不同退化程度的HR图像训练出来的模型相混合,得到的混合模型提高了低分辨率监视图像的识别精度。一、介绍...
2021-08-09 21:50:43
835
1
原创 论文学习笔记(7):Teacher Guided Neural Architecture Search for Face Recognition
目录摘要一、介绍摘要现有的知识蒸馏方法都是手工的启发式方法,这些方法旨在预先定义好目标学生网络,由于需要花费大量精力去找到一个合适的学生网络,这样的做法可能会导致出现次优解。因此,这篇文章提出了一种教师网络指导的神经网络搜索方法,可以直接通过通道数和层数对学生网络进行搜索。通俗的来说就是将搜索空间定义成通道数/层数(通过概率分布进行采样),然后将loss最小化进行学习。最终将每个分布中概率最大的值作为学生网络的深度和宽度。一、介绍这里作者列举了现有的一些方法,比较特别的有:Wang团队20.
2021-08-07 19:13:44
520
原创 隐空间与高斯超球面相关概念
同样是看了PULSE那篇论文后的一点思考,这里做一个记录。PULSE一文中提到的隐空间搜索问题:令生成器为GGG,隐空间为LLL,找到隐向量z满足:∣∣DS(G(z))−ILR∣∣pp≤ϵ||DS(G(z))-I_{LR}||_p^p\leq \epsilon∣∣DS(G(z))−ILR∣∣pp≤ϵ由于高维高斯的大部分质量位于半径为d的球面附近,为了解决这个问题,文章采用正态分布的先验取代了高斯分布的先验。我们令L′=dSd−1L'=\sqrt{d}S^{d-1}L′=dSd−1,其中Sd−
2021-08-06 20:23:35
1001
原创 关于隐式密度模型和显示密度模型的思考与学习
此前学习PULSE(见论文学习笔记5)一文时发现其提出的一个思想:使用一个带有隐式空间的生成模型来近似自然图像流形空间M虽然上学期学过GAN,但其实隐式空间这个术语对我来说还是稍显陌生。论文上说这些方法(eg:VAE,GANs)会通过可微分的隐式结点生成图片,并通过降维loss指导搜寻。、这里我发现好像隐式结点的含义就是基于之前学过的带隐变量的模型,再结合《神经网络与深度学习》一书中13章的解释,我终于理解了这个概念,故总结重点如下:1....
2021-08-06 16:54:48
1811
原创 论文学习笔记(5):PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models
目录一、摘要一、摘要主要思想:区别于现有方法中大多在LR图像上一点点增加细节,PULSE(Photo Upsampling via Latent Space Exploration)遍历HR自然图像的流形空间,找到下采样后为原始LR图像的HR自然图像。...
2021-07-24 20:50:56
785
原创 linux64非root用户安装CUDA11.1、CUDNN、nvidia驱动不匹配踩坑记录
之前没有在非root的linux服务器上装过本地的环境,所以在有权限的情况下用sudo可以很快的完成配置。这次在非root服务器上安装时出现了很多意想不到的问题,特此记录一下:目录1. 非root用户安装cuda时的路径配置:2. CUDA的环境变量配置3. nvidia-smi驱动mismatch问题1. 非root用户安装cuda时的路径配置:注意!!!添加环境变量那一步不要按连接中的操作进行!正确解决方法看下面的内容参考下面链接中的博主的方法,每一步看仔细就能成功配置https://blo
2021-07-22 20:55:05
3460
2
原创 论文学习笔记(4):Dirty Pixels: Optimizing Image Classification Architectures for Raw Sensor Data
目录一、摘要二、简介一、摘要本文提出了一种新式的端到端可分架构,用于联合去噪、去模糊以及进行分类任务,其对于实际环境中的噪声和模糊鲁棒。创新点:这种架构学习了针对分类进行优化的去噪和去模糊的pipeline,从而是输出保留了更精细的细节,但代价是产生了更多的噪声和伪影。结论:适用于计算机视觉的low-level处理方法与适用于视觉友好的图像处理算法是不等效的。扩展性:提出的架构很容易扩展到其他的高级视觉任务及图像生成模型上,从而为集成low-level和high-level任务提供了通用的架构.
2021-04-25 19:11:05
380
原创 数据库作业2:SQL
作业2:SQL姓名学号班号姚元淇11805001051803106第1题回答如下:(a)select maker from Product where type = 'pc' except select maker from Product where type = 'laptop';(b)select distinct A.maker from product as A left join product as B on A.type = 'pc
2021-04-02 23:31:38
264
原创 论文学习笔记(2):Sphereface: Deep hypersphere embedding for facerecognition
一、摘要这篇文章讨论了open-set(测试图片并没有在训练集中出现过)下的深度面部识别(FR) 问题,其中,我们假定在选择向量空间中,理想面部特征的最大类内距离要小于最小类间距离。为了有效达到上述标准,因此这篇文章提出了A-Softmax损失,使得CNN可以学习角度判别特征。二、介绍研究背景:人脸识别的发展...
2021-03-28 10:44:15
255
1
原创 论文学习笔记(1):Low-Resolution Face Recognition Based on Identity-Preserved Face Hallucination
目录一、 摘要二、 简介三、 相关工作四、 提出的方法五、 实验验证六、 总结一、 摘要文章提出了一种新的损失——身份保留损失(identity-preserved loss),并将其与图片内容损失(image-content loss)结合从而监督学习CNN网络,以达到同时实现面部超分辨率及面部识别的目的。二、 简介研究背景:现有的基于CNN的人脸识别算法已经可以在LFW数据集上得到极高的识别率,但在现实环境下由于捕捉到的人脸往往分辨率较低、图像质量较差,识别率将大幅降低。因此我们将这种将H.
2021-03-27 14:57:17
628
原创 低分辨率人脸识别(LRFR)相关文章整理——(待更)
多维缩放:1) S. Biswas, K. W. Bowyer, and P. J. Flynn, “Multidimen-sional scaling for matching low-resolution face images,”IEEE Transactions on Pattern Analysis and MachineIntelligence, vol. 34, no. 10, pp. 2019–2030, Oct 2012.2) M. Saad Shakeel and Kin-Man-.
2021-03-27 13:53:00
532
原创 sklearn逻辑回归绘制分类线
占个坑import matplotlib.pyplot as pltimport numpy as npimport sklearnimport sklearn.datasetsimport sklearn.linear_model# 绘制分界线def plot_decision_boundary(model, X, y): # Set min and max values and give it some padding x_min, x_max = X[0, :].min
2021-03-13 20:23:51
1203
原创 cs229 lecture5 笔记
对比逻辑回归同时观察两个类并寻找将它们分开的方法,生成学习算法每次只观察一个类并建立对应的模型判别式学习算法:学习P(Y|X)生成式学习算法:学习P(X|Y)及P(Y)生成算法可分为:对于连续值:eg肿瘤分类对于离散值:eg垃圾邮件分类高斯判别分布(GDA)对于高斯判别分布,两个类别使用一个协方差矩阵的原因是,这样的话决策边界将会呈现线性形式如果想逻辑回归一样做出较弱的假设,那么那么算法对于模型的鲁棒性更强。但同时如果数据集较小时,使用做出更强假设的模型将得到更好的结果(处理现实数.
2020-09-18 21:06:49
104
原创 CS229 lecture4 笔记
1. 局部加权线性回归线性回归是一种参数学习算法,而局部加权线性回归是非参数学习算法也就是说其数据/参数的个数(或存储空间)需要随着数据集的大小增长,适用情况:数据集维度较低但数据量很大2. 逻辑回归尽管与线性回归的表达式相同,其区别在于θ的定义发生了变化(?)3. 牛顿方法梯度上升方法需要很多次迭代才能最终收敛,而牛顿方法比用于优化θ值的梯度上升法更加快速接近最小值时牛顿迭代收敛十分迅速,这也就是为什么牛顿法所需收敛次数较少牛顿法的缺点:在高维问题中,如果θ是向量,那
2020-09-16 22:42:13
141
原创 软件构造复习 Chapter3
3.1 数据类型与类型检验基本数据类型对象数据类型存在栈里存在堆里只有值,没有ID(与其他值无法区分)既有ID,也有值Immutablemutable2. 静态/动态类型检测考试可能重点:1. 画图 2. 改变成immutable静态类型检测:赋的值是否在变量类型范围内动态类型检测:运行的时候针对某个值检测(注:JAVA是静态类型检测,运行时不会做类型检测)动态>>静态>>无检查静态类型检测动态类型检测
2020-07-05 15:22:01
188
原创 自动机复习(第2章)
目录1.确定的有穷自动机——DFA1.1 形式定义1.2 例题1.3 扩展转移函数1.4 DFA的语言与正则语言2. 非确定的有穷自动机——NFA2.1 形式定义2.2 例题2.3 扩展转移函数1.确定的有穷自动机——DFA1.1 形式定义: “确定”的含义是:状态的改变是由当前状态和输入唯一确定的1.2 例题设计DFA,在任何由0、1构成的字符串中,接受含有01子串的字符串若Σ={0,1},给出接受全部含有奇数个1的串DFA若Σ={0,1},给出接受全部含有偶数个0和偶数个1的DFA设
2020-06-29 10:08:38
2632
原创 软件构造复习 Chapter 6
文章目录6.1 健壮性与正确性6.2 错误与异常处理6.1 健壮性与正确性健壮性:保证程序可以正常进行下去(容错)面向内部的接口倾向于:正确性面向外部的接口倾向于:健壮性error(程序员犯的错误)——> defect/fault/bug(缺陷,bug的根源)——> failure(失效,运行时的外部表现)衡量外部观察角度平均失效间隔时间(MTBF):失效时间+修复时间内部观察角度残余缺陷率:每千行代码中遗留的bug数量编程时提高健壮性与正确性的方法:assert
2020-06-29 10:07:28
142
原创 2019 Idea里Git的使用
将工程添加到本地仓库先进入settings配置一下git的安装目录:修改完成后点test测试一下,成功就可以下一步了创建本地仓库:选择工程的上级目录作为工作目录:...
2020-03-12 20:50:53
1768
2
原创 Git基本操作
1.创建本地版本库进入一个空文件夹右键->Git GUI Here->Creat New Repository右键->Git Bush Here->输入命令行:git init右键->注意:2. 向本地仓库中添加文件将文件保存到工作目录后右键执行如下操作此时文件就被保存到暂存区了关于工作区和版本库——工作区下的“.git”隐藏文件夹是版本库...
2020-03-12 01:25:03
279
原创 基于API的JAVA Scanner、Random使用
目录1. API2.Scanner1. APIAPI是一些预先定义的函数,或指软件系统不同组成部分衔接的约定。一般建议使用API1.6(因为有官方汉化)。2.Scanner可以实现键盘输入数据到程序中。引用类型的使用步骤:导包import 包路径.类名称注意:只有java.lang包下的内容不需要导包,其余都需要import语句创建类名称 对象名 = new 类名称();...
2020-03-06 01:32:49
193
原创 JAVA面向对象
1. 类的定义成员变量直接定义在类中,在方法外。成员方法不写static关键字。public class Student {// 成员变量 String name; int grade;//成员方法 public void eat(){ System.out.println("eat!"); }}2. 创建对象...
2020-03-05 23:37:54
355
原创 IDEA使用学习
IDEA操作注意事项1. New package的时候package的名字只能使用英文小写字母、数字、英文句点2. 当package取名为:代码位置:是由于其package的名称代表了一个多层级文件夹的结构,英文句点起到了分层3. 缩写辅助psvm:sout:4. 智能提示的快捷键设置改为即在出现红色提示后Alt+/就可以又出现智能提示5. IDEA常用快捷键...
2020-03-02 04:33:11
2061
原创 JAVA基本常识复习
目录1. Java基本常识2. Cmd常见命令3. JAVA的跨平台性4 . JRE+JDK5. Cmd里编译运行Java程序6. 关键字7. 标识符8. 常量的打印输出9. 数据类型10.变量11. 类型转换12. 编码表13. 算术运算符14. 自增自减运算符15. 比较运算符16. 逻辑运算符17. 条件运算符18. 方法19. 编译器优化20. Switch语句21.数组22.Java的内...
2020-03-02 04:05:18
294
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人