DRML
文章平均质量分 89
qiaoqiao2332
钻进钱眼儿里的村姑
展开
-
DRML(2016-CVPR)重现过程记录---(7)问题定位_2
1, 排除一部分可能性 DRML作者除了他们算法DRML的prototxt以外,还提供了做实验用的AlexNet,ConvNet的prototxt文件。于是,我们直接用AlexNet.prototxt来训练(注意要打开调试开关),打印训练时的网络数据,发现训练基本趋势正常。我们猜测:作者的多标签输入层和loss层,以及我们的数据处理部分,应该基本没有问题。那么为什么采用DRML.p...原创 2017-05-09 10:56:04 · 1017 阅读 · 1 评论 -
用t-SNE可视化特征,查看特征的可分性
用t-SNE可视化特征,查看特征的可分性欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导...原创 2019-07-05 14:38:21 · 10349 阅读 · 11 评论 -
DRML(2016-CVPR)重现过程记录---(1)caffe+DRML源码编译
Deep Region and Multi-label Learning for Facial Action Unit Detection 文章(2016,CVPR)重现过程记录原创 2017-05-03 11:38:26 · 1730 阅读 · 2 评论 -
DRML(2016-CVPR)重现过程记录---(10)代码上传
最近老板让新来的同学做做这个实验练手劲儿。。。我整理了一下,把代码上传到github了,如果有同学自己实在是搞不定,可以参考一下我的。。。 链接:https://github.com/huqiaoping/drml 代码使用说明1,先下载caffe并编译通过:https://github.com/BVLC/caffe2,下载我的代码:https://github.com...原创 2017-08-19 14:33:09 · 1861 阅读 · 9 评论 -
DRML(2016-CVPR)重现过程记录---(9)问题解决与最终结果
之前谈到的现象是单个AU用lmdb和softmax可以正常训练,而采用了multi-label数据输入和multi-sigmoid loss函数层却不能正常训练,后来张君鹏帮我检查,发现是因为输入的数据没有shuffle。后来我发现这个错误刘琳学姐也犯了,大概新入门caffe的人在第一次修改输入层时可能容易犯这个错误。因为一般我们用lmdb时会在命令中添加shuffle,但是新的层一般是不会自动设...原创 2017-06-14 20:05:00 · 2445 阅读 · 23 评论 -
DRML(2016-CVPR)重现过程记录---(4)问题与反思
我目前自己做的这个DRML没有达到作者说的效果,这篇博文记录我现在的结果和一些思考。目前训练的结果是,整个模型震荡十分严重,训练和测试的loss曲线如下图所示这让我很不能理解。反思可能的问题:1,训练集与测试集的选取问题Disfa plus数据集一共有9个人的视频,我选择最后2人的作为测试集,前面7人的作为训练集。会不会可能是这样的呢原创 2017-05-04 18:13:21 · 1635 阅读 · 5 评论 -
DRML(2016-CVPR)重现过程记录---(6)新的尝试与思考-tensorflow?
因为没有找到caffe版本的DRML究竟有什么问题导致始终做不出来,我在github上翻作者提供的代码块时发现一些别人重现这份工作的代码。其中如https://github.com/ejulio/DRML,是修改DRML代码使之适应新的caffe版本机智的zjp同学直接上github搜索drml,又有了新的发现,有人用tensorflow重现过DRML的工作。譬如:http原创 2017-05-05 19:49:37 · 866 阅读 · 0 评论 -
DRML(2016-CVPR)重现过程记录---(5)问题定位_1
大师姐的建议:1,把自己生成好的模型参数打印出来,并查看数字是否有异常;2,重新阅读文章,把逻辑关系理清楚,再对代码进行调试查看。感谢张君鹏同学的帮助,加快了问题定位的进度。solver.prototxt的最后增加debug_info: true,使之打印出训练时具体的数据信息。不知道这里是否有异常,看不懂。编译pycaffe:进入caffe根目原创 2017-05-05 09:10:22 · 1036 阅读 · 0 评论 -
DRML(2016-CVPR)重现过程记录---(8)问题定位_3
在上一篇提到,我接下来会训练drml检测单个AU的结果训练与尝试_1说明:中间层采用drml结构,输入层是lmdb, loss层采用soft max下面是train loss 曲线测试对AU4检测的准确率,用没有参与神经网络模型训练的数据测试,会发现检测效果很差,但是用参与训练的数据测试,在训练集上的准确率是89.45%,在测试集上的准确率是74.38%。部分图片可视化的结...原创 2017-05-13 15:06:53 · 833 阅读 · 3 评论 -
DRML(2016-CVPR)重现过程记录---(3)训练模型
1,准备图片均值二进制文件(利用caffe自带create_imagenet.sh和 make_imagenet_mean.sh 即可) 由于caffe本身只支持单标签分类(而分类或多分类),所以临时随便写一个二分类的,用caffe自带工具生成二进制均值文件最后生成mean.binaryproto2,准备prototxt文件作者提供了DRML.protot原创 2017-05-03 12:48:38 · 890 阅读 · 0 评论 -
DRML(2016-CVPR)重现过程记录---(2)数据预处理
根据文章中的介绍:输入的图片大小是200*200的对齐后的人脸,作者设计的网络会自动把200*200的随机选择170*170作为网络训练输入。这里我用Disfa-plus数据集的五万多张图片做预处理,进行测试Disfa-plus中有9个人的共57668张图片,其中有AU的有32875张,没有AU的有24793张图片Disfa-plus提供了类似上述的图片,数据集提供方在Face原创 2017-05-03 12:13:48 · 1648 阅读 · 11 评论 -
画saliency intensity map图, caffe
以JAA检测笑脸为例,已经有一个训练好的模型了,现在要查看saliency intensity map。基本想法是给一张图片,forward之后再backward回来,看data层的diff。1)deploy.prototxt增加一行force_backward: true,否则caffe不支持backword2) 先forward再backward,把data的diff保存下来注意代码...原创 2019-07-05 18:07:21 · 875 阅读 · 0 评论