- 博客(12)
- 资源 (1)
- 收藏
- 关注
转载 Python打包成库供别的模块调用
python源程序sudo pythonsetup.pyinstall进行库的安装https://blog.csdn.net/itbricewu/article/details/82774939
2019-03-09 19:59:50 2793
原创 Anti-Spoofing via Noise Modeling; ECCV2018; Xiaoming Liu; MSU; Face De-Spoofing
以往的Anti-Spoofing在基于深度学习方法做的时候通常当做一个二分类,输出是Real/Spoof,内部模型是一个黑箱。这个方法将De-Spoofing的模型的内部机理考虑了进去。方法的假设大致有以下几点,1: 对于照片、视频播放来进行的Spoof会引入噪声,而这个噪声普遍存在且可重复。因此,,其中的是原图,是一个与原始图片有关的噪声函数,这个公式就是算法的核心,文章的网络就是为了估...
2018-09-13 22:00:57 2259
原创 关于高斯概率模型的一些理解
高斯分布,也就是所谓的正态分布,在1维的情况下,参数是均值和方差,比较好理解的。在高维的情况下,输入x变成了一个n维的向量,相应高维高斯分布的参数也就变成了,n维向量的均值,还有n维向量的协方差矩阵。对于单高斯分布,参数可以用最大似然法估计,所谓最大似然法,首先写出分布的似然,,然后取对数,把连乘变为加号,方便求导,最后就是求导寻找argmax。而对于由K个单高斯分布组成的高斯混合模型,由...
2018-09-10 19:41:17 3774
原创 Salient Object Detection: A Survey; 2014; Mingming Cheng; Salient Object Detection
综述性文章:Salient Object Detection即显著性检测,是机器视觉的一个领域。对一幅图像进行显著性检测一般有两个步骤,第一步是检测出图像中最为显著的部分,第二步是将显著部分与图像中其他场景分割开来。显著性检测能够作为其他图像处理和分析技术的基础操作,因此一方面对精度有要求,另一方面对计算速度有要求。Salient Object Detection技术的发展大致有三个阶段,...
2018-09-06 17:55:14 1251
原创 YOLO; Ross Girshick; Object Detection
主要思路:One Stage网络,直接将原本的Classification和Bounding Box Regression任务统一当做回归问题来看待,通过一个网络回归出cls和Bounding Box,能够大大加快检测速度。将原始图像划分为S x S的网格,与网络最终输出的Feature Map相对应,输出Feature Map的每一点用5维中的4维用来预测Bounding Box的位置,1维...
2018-09-05 21:27:40 537
原创 Mask R-CNN; ICCV2017; Kaiming He; Object Detection, Instance Segmentation
主要思路:在Faster R-CNN的基础上增加了一路Mask Branch,来对Feature Map进行Pixel-to-Pixel的Instance Segmentation。Mask Branch相应的损失计算了每一个类,因此可以将Mask和Classification进行Decouple,与之前方法根据Mask来辅助Classification的思路不同,另外,得到的Mask保留了原...
2018-09-05 18:05:39 444
原创 Faster R-CNN; ICCV2015; Kaiming He, Shaoqing Ren; Object Detection
主要思路:两阶段网络,RPN网络对CNN提取得到的Feature Map中每一个点,结合不同尺度,不同长宽比得到的k个Anchor,生成对类别的的分类和BoundingBox的回归,经过一些处理(比如: NMS等)得到Proposal Regions。不同大小的Proposal Regions经过ROI Pooling以及之后的Fully Connected Layer得到固定维数的表示,进行...
2018-09-05 17:10:45 500
转载 注意力机制
1: self Attention比传统的Attention mechanism效果要好,主要原因之一是,传统的Attention机制忽略了源端或目标端句子中词与词之间的依赖关系,相对比,self Attention可以不仅可以得到源端与目标端词与词之间的依赖关系,同时还可以有效获取源端或目标端自身词与词之间的依赖关系。 参考博客:1: https://zhuanlan.zhihu.c...
2018-08-29 19:18:55 1469
原创 准确率与召回率
精确率(precision)的公式是,它计算的是所有"正确被检索的item(TP)"占所有"实际被检索到的(TP+FP)"的比例.在例子中就是希望知道此君得到的所有人中,正确的人(也就是女生)占有的比例.所以其precision也就是40%(20女生/(20女生+30误判为女生的男生)).召回率(recall)的公式是,它计算的是所有"正确被检索的item(TP)"占所有"应该检索到的item...
2018-08-26 19:38:52 423
转载 TensorFlow学习之 placeholder
placeholder(type,strucuct…)第一个参数是你要保存的数据的数据类型,大多数是tensorflow中的float32数据类型,后面的参数就是要保存数据的结构,比如要保存一个1×2的矩阵,则struct=[1 2]。它在使用的时候和variable不同的是在session运行阶段,需要给placeholder提供数据,利用feed_dict的字典结构给placeholdr变量“
2017-12-13 21:06:09 194
翻译 TensorFlow学习(一)sess.run
我们都知道feed_dict的作用是给使用placeholder创建出来的tensor赋值tf.Session.run(fetches, feed_dict=None)Runs the operations and evaluates the tensors in fetches.Args:fetches: A single graph element,
2017-12-12 20:09:33 2818
英文论文原文FaceNet: A Unified Embedding for Face Recognition and Clustering
2017-11-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人