ysf465639310的专栏

NIMA 算法测试图片清晰度结果简介该算法从两个不同的维度进行判断。首先是判断照片的质量等。美观等主观方面，该算法也可以用来判断拍照水平。摄影爱好者可以用来提高自己的摄影水平。如何检测图片NIMA基于最新的深度物体识别（object detection）神经网络，能够从直接观感（技术角度）和吸引程度（美学角度）预测人类对图像的评估意见的分布。文中提出的神经网络的打分具有与人类主观打分很相近的优点，因此可以用于图像质量评估工作。NIMA算法是用来单纯检测图片质量，采用AVA数据集合训练。可以

Pytorch实现MTCNN详解（二）相关连接论文地址下载本人项目地址(已修复Bug)训练数据下载地址预处理训练数据在训练MTCNN之前，我们需要收集数据集合，wider_face 提供了训练数据。⚠️以下代码选自Sierkinhane的GIT，并且适配新的wider数据。并非单纯copyimport osfrom scipy.io import loadmatclass DATA: def __init__(self, image_name,bboxes):

1.2PNet网络的设计和实现相关连接论文地址下载本人项目地址(已修复Bug)训练数据下载地址⚠️感谢作者，以下代码选自Sierkinhane的GIT，并且进行部分修改，以适配新的wider数据。定义PNet​ 全称为Proposal Network，其基本的构造是一个全连接网络。对上一步构建完成的图像金字塔，通过一个FCN进行初步特征提取与标定边框，并进行Bounding-Box Regression调整窗口与NMS进行大部分窗口的过滤。PNet是一个人脸区域的区域建议网络，该网络的

2.2模型训练阶段—准备PNet数据相关连接论文地址下载本人项目地址(已修复Bug)训练数据下载地址⚠️以下代码选自Sierkinhane的GIT，并且适配新的wider数据。并非单纯copy训练图片下载：准备训练Pnet的图片数据​ 训练MTCNN的时候，是分别对PNet、RNet、ONet三个网络分开训练，这里先说明PNet的数据处理Sierkinhane的代码中box shape是x1,y1,x2,y2。但是WIDER_FACE的MAT是x1,y1,w,h。所以不能直接使用。