自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

zyazky

All things are difficult before they are easy.

  • 博客(8)
  • 收藏
  • 关注

原创 AR人脸数据库pgm图片转换jpg,matlab实现程序

AR人脸库(美国):(下载2600张)Purdue 大学 126人的彩色照片 光照 尺度和表情变化 126 people over 4 000 color images虽然不是原始人脸库,但基本上就是论文中用到的,对于重现实验很有帮助!!120*165的灰度图,是pgm格式,要自己转换成jpg或其他格式共100张,前50张是男性人脸,后50张是女性人脸每个目标有26张图片,前13张为场景1

2016-11-28 22:34:45 2889

原创 卷积神经网络大总结

#Deep Learning回顾#之2006年的Science Paper大家都清楚神经网络在上个世纪七八十年代是着实火过一回的,尤其是后向传播BP算法出来之后,但90年代后被SVM之类抢了风头,再后来大家更熟悉的是SVM、AdaBoost、随机森林、GBDT、LR、FTRL这些概念。究其原因,主要是神经网络很难解决训练的问题,比如梯度消失。当时的神经网络研究进入一个低潮期,不过H

2016-11-10 00:03:34 42199 1

转载 Deep Learning(深度学习)

转自:http://blog.csdn.net/augusdi/article/details/20238157Deep Learning(深度学习)ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):一ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):二Bengio团队的deep learning教程,用的

2016-11-08 19:39:23 2223

转载 Caffe调参经验资料文章

caffe调参经验资料文章 http://www.thinkface.cn/thread-4402-1-1.html (出处: thinkface论坛)调参是个头疼的事情,Yann LeCun、Yoshua Bengio和Geoffrey Hinton这些大牛为什么能够跳出各种牛逼的网络?下面一些推荐的书和文章:调参资料总结Neural Network: Trick o

2016-11-08 15:40:10 938

转载 三维人脸识别预处理,3D face recognition preprocess

本文由兔死机发布在http://blog.csdn.NET/smartempire/article/details/31373817最近在做三维人脸识别相关的东西,在已获取三维数据的情况下进行人脸的识别切割是第一步,本文将介绍预处理内的几个操作,最终给出切割后的三维人脸数据以及经过变换的灰度图像。作者之前申请了国内的三维人脸数据库都没申请到,FRGC v2库也没有回复,只申请到了一

2016-11-07 18:25:19 1555

转载 [王晓刚]深度学习在图像识别中的研究进展与展望

深度学习是近十年来人工智能领域取得的最重要的突破之一。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。本文将重点介绍深度学习在物体识别、物体检测、视频分析的最新研究进展,并探讨其发展趋势。1. 深度学习发展历史的回顾现有的深度学习模型属于神经网络。神经网络的历史可追述到上世纪四十年代,曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理

2016-11-07 18:09:03 1896

转载 使用Caffe尝试DeepID

转自:http://blog.csdn.net/a_1937/article/details/50334919使用Caffe复现DeepID实验本实验使用Casia-Webface part2的切图来复现DeepID实验结果。DeepID网络配置文件训练验证数据组织实验结果结果分析DeepID网络配置文件-下面给出deepId_train_tes

2016-11-07 11:47:45 1336

转载 《Deep Learning Face Representaion from Predicting 10000 Classes》读书报告

1、基本思想训练多个深度卷积神经网络(deep ConvNets)对输入的人脸块(face patches)进行特征提取,然后训练每一个卷积神经网络(以下简称为ConvNet)的目标是对输入的face patch进行分类,这一步是有监督的训练,即每一个face patch对应于一个类别标签,每一个ConvNet 的输出节点数目是相同的,即160维。然后所有的这些ConvNets

2016-11-07 10:34:27 644

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除