- 博客(27)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 Caffe中常用的层：Dropout层详解
dropout可以让模型训练时，随机让网络的某些节点不工作（输出置零），也不更新权重，其他过程不变。我们通常设定一个dropout radio=p，即每个输出节点以概率p置0（不工作，权重不更新），假设每个输出都是独立的，每个输出都服从二项伯努利分布p(1-p),则大约认为训练时，只使用了(1-p)比例的输出，相当于每次训练一个子网络。测试的时候，可以直接去掉Dropout层，将所有输出都使用...
2018-02-28 22:02:25
9029
转载 目标检测：YOLOv2算法详解
尊重原创：http://blog.csdn.net/jesse_mx/article/details/53925356论文地址：YOLO9000: Better, Faster, Stronger 项目主页：YOLO: Real-Time Object Detection Caffe实现：caffe-yolo9000 （最近博客下很多人请求caffe-yolov2代码，愿意研究的我都发送了，不过这...
2018-02-28 11:43:49
39310
11
转载 目标检测：Mobilenet-SSD实现步骤
写的比较好，我就保存一下：http://blog.csdn.net/Jesse_Mx/article/details/78680055mobilenet 也算是提出有一段时间了，网上也不乏各种实现版本，其中，谷歌已经开源了Tensorflow的全部代码，无奈自己几乎不熟悉Tensorflow，还是比较钟爱Caffe平台，因而一直在关心这方面。单纯的Mobilenet分类不是关注重点，如何将其应用到...
2018-02-28 11:40:22
40250
5
转载 人脸对齐：人脸定点
人脸定点数据集：https://ibug.doc.ic.ac.uk/resources/facial-point-annotations/面部特征点定位任务即根据输入的人脸图像，自动定位出面部关键特征点，如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等，如下图所示。这项技术的应用很广泛，比如自动人脸识别，表情识别以及人脸动画自动合成等。由于不同的姿态、表情、光照以及遮挡等因素的影响，准确地定位出各...
2018-02-25 18:50:49
1821
转载 机器学习：神经网络反向传播推导
转载：https://zhuanlan.zhihu.com/p/23270674自己推导一遍就完全理解梯度的更新方式了！前向传播先计算的所有输入：，代入数据可得：; 然后利用logistic函数计算得的输出:; 用同样的方法得；对输出层神经元重复这个过程，使用隐藏层神经元的输出作为输入。这样就能给出的输出：，代入数据可得：，则其输出为：。同样可以得到。开始...
2018-02-25 18:09:52
629
转载 图像处理: HOG特征提取理解
1、HOG特征：方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVP...
2018-02-21 22:23:50
652
转载 图像处理：Haar特征提取的理解
尊重原著： http://blog.csdn.net/shuzfan/article/details/446767351.Haar特征 最早的Haar特征由PapageorgiouC.等提出（《A general framework for object detection》），后来PaulViola和Michal Jones提出利用积分图像法快速计算Haar特征的方法（《Rapi...
2018-02-21 22:15:21
929
转载 图像处理：LBP特征提取理解
LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征； 1、LBP特征的描述 原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值...
2018-02-21 22:03:55
4393
转载 图像处理：Sift特征提取方法
尊重原著：http://blog.csdn.net/abcjennifer/article/details/7639681/SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特...
2018-02-21 21:57:04
6889
转载 深度学习通用技巧：caffe调参技巧总结
Must Know Tips/Tricks in Deep Neural Networks Deep Neural Networks, especially Convolutional Neural Networks (CNN), allows computational models that are composed of multiple processing layers to lear...
2018-02-21 21:29:22
1294
转载 网络模型的压缩和优化：SeNet网络理解
论文代码链接：https://github.com/hujie-frank/SENethttps://github.com/binLearning/caffe_toolkit下面我将介绍我们提出的 SENet，论文和代码会在近期公布在 arXiv 上，欢迎大家 follow 我们的工作，并给出宝贵的建议和意见。 我们从最基本的卷积操作开始说起。近些年来，卷积神经网络在很多领域上都取得了巨大的突破。...
2018-02-19 22:52:21
6265
转载 网络模型压缩和优化：ShuffleNet网络理解
ShuffleNet算法详解： ShuffleNet是Face++的一篇关于降低深度网络计算量的论文，号称是可以在移动设备上运行的深度网络。这篇文章可以和MobileNet、Xception和ResNeXt结合来看，因为有类似的思想。卷积的group操作从AlexNet就已经有了，当时主要是解决模型在双GPU上的训练。ResNeXt借鉴了这种group操作改进了原本的ResNet。Mobi...
2018-02-18 20:35:02
1320
原创 网络模型压缩和优化:MobileNet V2网络结构理解
MobileNet V2网络结构理解 和MobileNet V1相比，MobileNet V2主要的改进有两点：1、Linear Bottlenecks。也就是去掉了小维度输出层后面的非线性激活层，保留更多的特征信息，目的是为了保证模型的表达能力。2、Inverted Residual block。该结构和传统residual block中维度先缩减再扩增正好相反，因此shotcut也就变成...
2018-02-18 15:59:43
11582
原创 CNN Net Paper：ResNext论文理解
ResNext论文理解：原理非常简单，一张图即可搞明白，其实就是增加了group conv的技巧： 提出来 cardinality 的概念，在上图左右有相同的参数个数，其中左边是 ResNet 的一个区块，右边的 ResNeXt 中每个分支一模一样，分支的个数就是 cardinality。此处借鉴了 GoogLeNet 的 split-transform-merge，和 VGG/ResNet...
2018-02-18 15:09:51
1048
原创 目标检测：SSD算法的Default Box
1：SSD的anchor尺寸的选择： 下面来看下SSD选择anchor的方法。首先每个点都会有一大一小两个正方形的anchor，小方形的边长用min_size来表示，大方形的边长用sqrt(min_size*max_size)来表示(min_size与max_size的值每一层都不同)。同时还有多个长方形的anchor，长方形anchor的数目在不同层级会有差异，他们的长宽可以用下面的公式来...
2018-02-13 22:20:52
5781
2
转载 CNN结构理解：感受野的计算方式
感受野（receptive field）是怎样一个东西呢，从CNN可视化的角度来讲，就是输出featuremap某个节点的响应对应的输入图像的区域就是感受野。比如我们第一层是一个3*3的卷积核，那么我们经过这个卷积核得到的featuremap中的每个节点都源自这个3*3的卷积核与原图像中3*3的区域做卷积，那么我们就称这个featuremap的节点感受野大小为3*3如果再经过pooling层，假定...
2018-02-13 19:35:21
441
转载 Face Paper: 目标检测RSSD论文详解
转载： http://blog.csdn.net/u014380165/article/details/77130922论文：Enhancement of SSD by concatenating feature maps for object detection 论文链接：https://arxiv.org/abs/1705.09587算法详解： SSD算法在object detection领域...
2018-02-09 21:33:29
2756
转载 Face Paper:目标检测FPN的论文详解
论文地址：Feature Pyramid Networks for Object DetectionGithub: https://github.com/BigcowPeking/FPN前言这篇论文主要使用特征金字塔网络来融合多层特征，改进了CNN特征提取。论文在Fast/Faster R-CNN上进行了实验，在COCO数据集上刷到了第一的位置，意味着其在小目标检测上取得了很大的进步。论文整体思想...
2018-02-09 21:13:55
5320
转载 目标检测：RFCN算法原理<一>
@改进1：RFCN 论文：R-FCN: Object Detection via Region-based Fully Convolutional Networks 【点击下载】 MXNet代码：【Github】一. 背景介绍 RCNN 在目标检测上取得了很大的成功，比如 SPPnet、Fast R-CNN、Faster
2018-02-07 21:36:02
13250
1
转载 人脸跟踪：GoTurn算法目标跟踪<二>
一. 简介 选择这篇文章的原因在于能实现 100帧的效果，对于跟踪来讲，大多数应用场景需要实时跟踪，应该说仅仅实时跟踪还不够，还需要计算资源来做 视频解码、检测、比对 等多个工作。 这篇文章 2016年来自 Stanford 大学的 David Held，通过 CNN直接回归的方式得到目标位置。 论文下载：Learning to Trac
2018-02-05 20:56:57
7232
1
转载 人脸跟踪：GoTurn算法目标跟踪
使用深度回归网络做目标跟踪原始论文：Learning to Track at 100 FPS with Deep Regression Networks Computer Science Department, Stanford University 下载链接：http://arxiv.org/abs/1604.01802 算法主页：http://davheld.github.
2018-02-05 20:46:16
1540
转载 caffe：测试每一层的时间
caffe测试时间：每一层的时间我用的是ubuntu的caffe。在caffe的目录下在terminal中运行以下命令用以测试已经训练好的caffemodel的accuracy：（或者将以下命令放在.sh文件中运行）./build/tools/caffe test --model=./examples/mnist/lenet_train_test.proto
2018-02-04 14:11:02
2767
转载 人脸识别：损失函数之softmax loss和cross entropy Loss
转载blog：http://blog.csdn.net/u014380165/article/details/77284921我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对这些层具体是怎么实现的
2018-02-04 12:53:46
4367
转载 目标检测：损失函数之SmoothL1Loss
fasterRCNN中的RPN的回归框的loss计算方法再次深入的解读SmoothL1Loss损失函数：fasterRCNN中SmoothL1Loss的详解
2018-02-04 12:40:11
37560
8
转载 人脸识别：损失函数之softmax函数
Loss Functionsoftmax_loss的计算包含2步：（1）计算softmax归一化概率（2）计算损失这里以batchsize=1的2分类为例： 设最后一层的输出为[1.2 0.8],减去最大值后为[0 -0.4]， 然后计算归一化概率得到[0.5987 0.4013]， 假如该图片的label为1，则Loss=-log0.4
2018-02-04 12:27:34
3216
转载 目标检测：RFCN的Python代码训练自己的模型
py-R-FCN源码下载地址：https://github.com/Orpine/py-R-FCN也有Matlab版本：https://github.com/daijifeng001/R-FCN本文用到的是python版本。本文主要参考https://github.com/Orpine/py-R-FCN。准备工作：
2018-02-04 11:00:52
4383
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人