wuhui868-CSDN博客

原创人脸特征提取

DeepID1：Deep Learning Face Representation from Predicting 10,000 Classes本文主要是做人脸比对时的特征提取 - 1.作者从图像中截取一个31*39的patch，label分1000类，最后的特征是160维 - 2.提取特征，用于人脸验证作者训练了60个类似的网络，分为10个patch，3个尺度，RGB和gray 在截取p

2017-10-11 09:58:55 13511

原创 Cascade CNN

A Convolutional Neural Network Cascade for Face Detection思想：使用若干个简单的网络级联，合成一个强分类器作者训练了6个网络，分类回归穿插，流程如下：网络设计要点：1.第一级12-net要尽量快，保证召回率的同时，过滤大量非人脸，在每一个尺度，使用NMS，recall达到99% 2.第二级24-net的输入为第一级检测的样本，首先与g

2017-04-20 11:05:12 4629

原创 SSD+YOLO

SSD的主要思想： 1.全卷积网络 2.anchor设计 3.多尺度特征融合#anchor设计： ssd一共使用了6个不同尺度的特征，每个尺度产生6个不同形状的anchor 1.低维度的特征图尺度大，点比较密集，使用的anchor较小，适合检测小目标 2.高维度的特征图尺度小，点比较稀疏，使用的anchor较大，适合检测大目标每个anchor的位置计算： 1.首先计算每个网格中心点

2017-03-30 20:50:30 1956

原创 RCNN

#RPN模块： RPN设计的思想，主要有两点： 1.特征图的每个点，都对应于原图像的某块区域 2.在每个点，都使用了anchor，anchor的大小和形状是映射到原图上的。##RPN的anchor设计： RPN在最后一层的特征图上设计了9个anchor 映射到原图上，height，width比例分别为： [sqrt(2) 1/sqrt(2)], [1 1], [1/sqrt(2) sqr

2017-03-29 20:49:57 617

原创 Multi-view Face Detection Using Deep Convolutional Neural Networks

1.训练人脸分类网络，然后在待检测图像上做划窗判断试验证明，比select search提取候选框要快。例如，训练的时候输入人脸大小32*32，步长为16，可以将最后的全连接层改成全卷积网络，那么在测试的时候，可以不受图像尺寸的限制，并且一次算完一幅图像，能够加速。 2.在测试的时候，使用图像金字塔。如果训练时的输入是224，测试时为了能够检测最小人脸为45

2017-01-04 19:46:38 302

原创 RPN+RCNN的改进

一. A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection同样是基于RPN+RCNN的思想，在Faster RCNN的基础上做了两处改进： 1.RPN在提取proposal的时候，使用了单一尺度，不能很好的适应各种不同大小的目标多尺度检测：目标检测需要模板能够覆盖不同sca

2016-12-28 17:05:49 4624

转载有关C++增量链接的解读：

有关C++增量链接的解读：http://www.cnblogs.com/Dahaka/archive/2011/08/01/2124256.html

2015-01-14 22:35:31 391

wuhui868的专栏