goodluckcwl的专栏

本篇主要是Cvpr 2017论文阅读小结，将分成多个主题总结。 • Exclusivity-Consistency Regularized Multi-View Subspace Clustering Xiaojie Guo, Xiaobo Wang, Zhen Lei, Changqing Zhang, Stan Z. Li 这篇是多view数据聚类 • Borrowin...

人脸特征点检测，可以看成一个像素级的预测问题。用全卷积神经网络来做，是近年来的新思路。本篇主要尝试用FCN实现人脸特征点检测，探索网络结构和训练技巧。网络结构现有的网络结构非常多，本次决定自行设计，采用最常用的类VGG结构。首先确定网络的输入图片大小为112*112,其中人脸大小为60*60。网络的层数由感受域确定，保证最小的那一层的感受阈覆盖图片的1/3大小左右。 于是设计出如下的...

本篇主要尝试着用CNN做特征点检测。主要尝试Cascaded CNN的结构 用相对于瞳距归一化的欧式距离损失函数，可以收敛。主要的trick是图片要扩增，以及学习率要调整。 5个点和68点的差异主要在于轮廓点比较难训练一些。 以下是训练5个点的loss曲线： 最终示例图片如下： 这个结果其实不是特别好，有比较多的改进的地方。...

本篇主要讨论Zhu et.al [1] 的工作。该方法是一个同时人脸检测、姿态估计和特征点检测的方法。主要优点是可以同时检测正脸和侧脸的关键点。缺点主要是运行速度比较慢，平均一张500×500的图像需要几秒钟时间检测。这主要是因为论文中采用了13个模板去匹配；同时计算特征金字塔需要的时间较多。 这个工作是2012年的工作，已经比较老了。在2015年的时候，我把作者提供的代码写成了C++以加速。代...

人脸特征点检测综述人脸特征点检测是指定位脸部预定义的关键点，比如眼睛、鼻子、嘴巴等。人脸特征点检测是近年的研究热点，在人脸识别、人脸重建等领域有重要的应用。 人脸特征点检测的方法可以分成：基于参数化模型的方法：ASM、AAM、CLM等基于回归的方法：ESR、SDM、RCPR、LBP等基于神经网络的方法：包括CNN/RNN/FCN等...

一、集成学习(Ensemble Learning)集成学习是指通过训练多个分类器，然后将这些分类器组合起来，来获得比单个分类器更优的性能（比最好的那个分类器还要好）。如果每个分类器都是同种类型的（比如都是决策树或者都是SVM等等），那么这些单个的分类器我们称为基学习器；如果集成中包含不同类型的分类器，这样的集成是异质的。需要注意的是，这些单个的分类器性能不一定要很好，只需要比随机猜测好就可以。在我们

在动作识别领域，人跟物体的交互信息是非常重要的，一个动作的完成包含了多个物体与人的复杂交互。以往的工作很少考虑到这样复杂的交互关系。这篇文章要做的就是对视频中的多个物体的交互建模，利用这样的信息来提高动作识别的准确率。如何对物体之间的交互建模物体之间的交互可以通过物体之间的重叠来判断，如果两个物体重叠了，那么说明它们在这个动作发生的时候有一些密切的交互信息。而物体重叠的判断可以通过各自的特...