- 博客(12)
- 资源 (5)
- 收藏
- 关注
原创 轻量化网络:ShuffleNet
《ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 》来自face++,发表于CVPR-2017, 其主要采用两个“新”操作对卷积神经网络结构进行修改,达到提高计算效率的目的。github: https://github.com/farmingyard/ShuffleNet创新点:
2017-12-28 08:53:39 1687
原创 轻量化网络:SqueezeNet
SqueezeNet 发表于ICLR-2017,作者分别来自Berkeley和Stanford,SqueezeNet不是模型压缩技术,而是 “design strategies for CNN architectures with few parameters”创新点: 1. 采用不同于传统的卷积方式( 类似于inception思想) ,提出fire module;fire module包含...
2017-12-27 09:45:41 20459 7
原创 模型加速:WAE-Learning a Wavelet-like Auto-Encoder to Accelerate Deep Neural Networks
WAE(Wavelet-like Auto-Encoder) 是由来自中大、哈工大、桂电等多机构的多名研究人员合作提出的,发表于AAAI-2018(论文地址: https://arxiv.org/pdf/1712.07493.pdfgithub创新点: 1. WAE借助小波分解得思想,将原图分解成两个低分辨率图像,以达到网络加速的目。(PS:整体思路:下采样的方法达到网络加速,但
2017-12-26 11:38:34 2341 3
原创 深度学习人脸关键点检测方法----综述
参考资料一、 引言二、 检测方法 总结 近期对人脸关键点相关方法进行了研究,在深度学习大行其道的背景之下,此博客对近期人脸关键点检测深度学习方法进行了记录和总结,希望给广大朋友一点点启发,也希望大家指出我阅读过程中的错误~主要有如下模型: 2.1 ASM (Active Shape Models) 2.2 AAM(Active Appearance Models)...
2017-12-25 10:55:50 57634 11
原创 轻量化网络:Xception
Xception: Deep Learning with Depthwise Separable Convolutions 是2017年 google的文章Xception不是模型压缩技术,而是 “design strategies for CNN architectures with few parameters”Xception 是对Inception v3的改进,是一种 Extrem...
2017-12-25 09:38:10 8845 2
原创 轻量化网络:MobileNets
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications(MobileNets paper)是CVPR-2017一篇paper,作者均来之Google,其提出一种“新”的卷积方式来设计网络,主要针对移动端设备所设计,因此,得名MobileNets 注:MobileNets不是模型压缩技...
2017-12-20 10:25:55 12371 8
原创 模型压缩:Networks Slimming-Learning Efficient Convolutional Networks through Network Slimming
Network Slimming-Learning Efficient Convolutional Networks through Network Slimming(Paper) 2017年ICCV的一篇paper,思路清晰,骨骼清奇~~创新点: 1. 利用batch normalization中的缩放因子γ 作为重要性因子,即γ越小,所对应的channel不太重要,就可以裁剪(pru
2017-12-13 09:41:44 14703 10
原创 人脸关键点:MTCNN-Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
创新点: 1. 首次将级联和多任务结合起来,之前有单纯级联的DCNN,单纯多任务的TCDCN 2. 提出 a new online hard sample mining strategy,没接触过hard sample mining ,知道的同学介绍介绍呗~2016年,Zhang等人提出一种多任务级联卷积神经网络(MTCNN, Multi-task Cascaded Convolutional
2017-12-12 16:19:58 2132
原创 人脸关键点:DAN-Deep Alignment Network: A convolutional neural network for robust face alignment
DAN-Deep Alignment Network,发表于CVPR-2017。很纳闷DAN取名中的D,为什么是deep,如果是深度学习的deep,岂不是很无区分性?有知道的朋友请告诉我这个D是什么意思~ DAN从名字上看不出来这个网络的创新点在哪里。创新点: 1.与以往的级联模型不同,网络模型输入是整张人脸图,可获取更多信息。 2.谁不想用更多的信息呢? 还不是因为有问题,但是DAN怎
2017-12-07 09:27:49 11114
原创 人脸关键点:TCNN-Tweaked Convolutional Neural Networks
TCNN,全名Tweaked Convolutional Neural Networks, 其中,Tweaking implies fine-tuning the final layers for particular head pose创新点:1.对CNN提取的特征进行聚类,将各簇对应的样本进行分析,最后发现同一簇表现出“相同属性”(姿态,微笑,性别)的人脸。对此,设计了K个FC5和K个FC6层
2017-12-07 09:05:48 4337 3
原创 人脸关键点:TCDCN-Facial Landmark Detection by Deep Multi-task Learning
《Facial Landmark Detection by Deep Multi-task Learning》发表于ECCV-2014,作者来自香港中文大学汤晓鸥团队的Zhanpeng Zhang等人。创新点: 1.将MTL(多任务学习)结合CNN应用到人脸关键点检测 2.为解决各任务有着不同收敛速度而导致的优化难问题,提出针对多任务学习的early stopping。Zhang等人将MTL(M
2017-12-06 09:02:25 9545 1
原创 人脸关键点: DCNN-Deep Convolutional Network Cascade for Facial Point Detection
近期学习关键点检测相关内容,基于CNN的方法已经替代以往经典的方法(ASM,AAM等),于是乎得看看CNN是如何应用到关键点检测上的。2013年,Sun等人首次将CNN应用到人脸关键点检测,并且取得较好的结果(BioID、LFPW数据集上),今天就来看看Sun等人提出的Deep Convolutional Network Cascade,到底是如何应用到人脸关键点检测的。Abstract作者提出一种
2017-12-04 15:03:37 5799 1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人