- 博客(12)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 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