「已注销」-CSDN博客

原创人脸识别损失函数 centerloss arcfaceloss pytorch实现

Softmax loss

2020-10-16 16:38:20 3276 3

原创 MTCNN人脸检测 pytorch实现全流程详解

概述MTCNN，Multi-task convolutional neural network（多任务卷积神经网络）。该模型利用级联思想，化繁为简，通过三个级联的网络：P-Net（Proposal Network）、R-Net（Refine Network）和O-Net（Output Network），逐层筛选。在每个网络都非常简单，易于训练的同时，实现了高精度的人脸检测。思路人脸检测属于单类多目标检测，相对于单类单目标，实现中有以下问题：人脸数目？因为不知道1张图中需要检测多少人脸，也就不能通

2020-08-03 09:38:11 4650 4

原创线性代数的本质（3Blue1Brown视频整理）

向量：看做一种特定的运功基本操作：向量加法：两种运动的组合对应项相加向量数乘：缩放向量每个向量可看做对 i, j 向量缩放并相加。 i, j 向量合称为二维坐标系的基向量![](https://img-blog.csdnimg.cn/20200720170817678.png#pic_center =500)线性组合：两个数乘向量的和张成空间：所有线性组合构成的向量集合当向量不共线时张成空间为平面所有二维向量的集合共线时张成空间就是一条直线上的向量集合...

2020-07-22 18:07:28 613

原创深度可分离卷积(总结)

深度可分离卷积(Depthwise Convolution) = 深度卷积(Depthwise Convolution) + 逐点卷积(Pointwise Convolution)。深度卷积分组卷积(Group Convolution)：输入通道数c_in，输出通道数c_out, 将输入feature map分为G组，每组分别卷积，最后进行拼接。分组卷积作用：参数量减少为原来的1/G分组前：c_in * c_out * k^2分组后：(c_in / G) * (c_out / G) * k

2020-07-09 11:40:13 4352

原创 ResNet残差网络 pytorch手动实现训练Cifar10

原理2种残差块结构 BottleNeck左图用于18、34层网络右图用于50、101、152层网络256维直接卷积参数量太大因而选择瓶颈结构ResNet结构

2020-07-08 18:15:18 1024

MTCNN人脸检测数据集（经处理优化可直接训练）

图像尺寸为12,24,48的三个文件夹，分别包含正、负、部分样本20万张，共60万。包含置信度、回归框、5个人脸特征点偏移量的txt文件，可直接提取为训练标签。图像经过优化处理，建议框比CelebA数据集更加准确。可用MTCNN直接训练。 https://blog.csdn.net/weixin_43565802/article/details/107535599

2020-08-03

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 人脸识别 损失函数 centerloss arcfaceloss pytorch实现

原创 MTCNN人脸检测 pytorch实现 全流程详解

原创 线性代数的本质（3Blue1Brown视频整理）

原创 深度可分离卷积(总结)

原创 ResNet残差网络 pytorch手动实现 训练Cifar10

MTCNN人脸检测数据集（经处理优化 可直接训练）