MTCNN
wnloverforever
这个作者很懒,什么都没留下…
展开
-
MTCNN--Pnet--decode
现在我们记录下如何在训练好P_net模型后,来把网络输出decode出人脸框的坐标,坐标偏移,以及landmarks首先看下模型的输出,我们恢复P_net训练好的模型输入一张(height,width,3)的图片输出为(height_,width_,2) (height_,width_,4)暂时先不考虑landmark的输出由于整个P_net为fcn,所以height_和width_的大小...原创 2019-11-24 11:54:55 · 356 阅读 · 0 评论 -
MTCNN--P--create_data
总结下做MTCNN时的过程以及关键步骤。首先说明下MTCNN的损失函数,因为是多任务级联,多任务值得就是多个损失,级联指的是三个网络联合P-R-O因为是用来检测人脸并识别关键点的,所有有三个损失,人脸交叉熵损失,offset偏差的MSE损失,以及landmark的MSE损失。损失很简单就不说明了。这里先标注下P网络的输出数据的维度用于人脸的交叉熵损失(batch,hei...原创 2019-11-23 12:45:50 · 348 阅读 · 0 评论 -
tensorflow构建网络--Keras
方式2:本文将解释如何使用keras构建网络1.定义输入这里由于使用Keras因此输入tensor必须使用Input()进行转换from keras.layers import Input#假设输入的形状为[224,224,3]X_input = [224,224,3]X_input = Input(X_input)2.搭建网络def net(X_input,out_put):...原创 2019-11-11 16:01:03 · 111 阅读 · 0 评论 -
tensorflow构建网络-----TF-Slim
方式1使用轻量级库TF-Slimimport tensorflow.contrib.slim as slim1.使用slim创建变量#常规变量,step那种weights = slim.variable('weights', shape=[384,12,12,3]. #方差为0.1 initializer=tf.truncated_normal_initializer(...原创 2019-11-11 15:30:59 · 400 阅读 · 0 评论 -
Tensorboard---可视化
可视化变量,其实主要是观察loss,acc这些指标,所以我们以loss为例1.将cls_loss加入到summary中tf.summary.scalar('cls_loss',cls_loss)2.将所有的summary保存到磁盘,以便tensorboard显示。而且这个summary_op需要和train_op一起训练。summary_op = tf.summary.merge_all...原创 2019-11-11 13:47:52 · 104 阅读 · 0 评论 -
tensorflow-gpu
由于在使用tensorflow训练模型时,会自定义默认将所有gpu占满,所以在训练时可以指定使用tensorflow使用的gpuimport os#指定第二块GPUos.environ['CUDA_VISIBLE_DEVICES'] = '1'#自定义显存gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)...原创 2019-11-11 11:48:59 · 182 阅读 · 0 评论 -
tensorflow学习率定义的两种方式
在模型的训练过程中,一般有俩种方法来对学习率进行更改,一种是学习率指数衰减,还有一种是自定义一个迭代区间,在不同区间内,赋予不同的学习率1,指定不同的区间给定不同的学利率使用tf.piecewise_constant(global_step,qvjian,value)qvjian:为指定学习率所在区间value:为在qvjian中的学习率这里注意,qvjian的值比value少一个,因...原创 2019-11-11 10:42:45 · 807 阅读 · 0 评论 -
制作和读取tfrecord
1.制作tfrecord文件#tf_filename:需提前新建一个tfrecord空白文件。然后使用tf.python_io.TFRecordWriter() 建立一个writerwith tf.python_io.TFRecordWriter(tf_filename) as tfrecord_writer: #dataset为字典格式 for i,image_example in en...原创 2019-11-11 09:58:41 · 118 阅读 · 0 评论