4 cv_family_z

尚未进行身份认证

暂无相关简介

等级
TA的排名 3k+

图像变换

图像变换包含内容:等距变换、相似变换、仿射变换、投影变换相关链接:https://blog.csdn.net/raby_gyl/article/details/52780644https://blog.csdn.net/KinboSong/article/details/64923831https://blog.csdn.net/aiwoshan0908/article/detail...

2019-09-03 10:29:25

内存图片二进制数据直接转为 OpenCV 数据格式的方法

想了多种方法解决这个问题,还是百度的力量大。在很多应用中,经常会直接把图片的二进制数据进行交换,比如说利用socket通信传送图片二进制数据,或者直接用内存数据库(例如Redis)来传递图片二进制数据。这个时候,当你的应用程序读到内存里的二进制图片数据时,怎么样直接转为OpenCV可以使用的图片格式呢,答案是用cv::imdecode这...

2019-07-18 17:12:06

3D卷积“LP-3DCNN: Unveiling Local Phase in 3D Convolutional Neural Networks”

LP-3DCNN: Unveiling Local Phase in 3D Convolutional Neural Networks3D卷积计算量大,消耗内存多,论文提出了修正的局部相量(ReLPV)模块替换标准的3D卷积,在3D局部邻域(3×3×3)内提取输入特征图每个位置的相,获取特征图。这个相是通过计算每个位置3D局部邻域内多个固定的低频点的3D短时傅里叶变换(STFT),不同频域点的...

2019-07-05 12:04:00

点云卷积“PointConv: Deep Convolutional Networks on 3D Point Clouds”

PointConv:DeepConvolutionalNetworkson3DPointClouds参考借鉴了https://baijiahao.baidu.com/s?id=1631407236773911746&wfr=spider&for=pc与在致密网格中的图像不同,3D点云是不规则且无序的,论文提出了PointConv,将卷积核看作3D点局部坐标的非...

2019-06-28 18:20:28

迁移学习“Importance Weighted Adversarial Nets for Partial Domain Adaptation”

Importance Weighted Adversarial Nets for Partial Domain Adaptation提出重要性加权对抗网络用于非监督的域适应,主要针对目标域相比源域具有的类别数较少的部分迁移学习。该网络目的是从源域中找到极有可能是outlier类别的样本。这是与SAN类似的一篇文章,做部分域适应工作。目标域中无标记样本,且类别数目未知,通常假设源域足够大,包...

2019-06-19 17:50:52

迁移学习“Partial Transfer Learning with Selective Adversarial Networks”

Partial Transfer Learning with Selective AdversarialNetworks摘要:对抗学习应用于深度网络中学习可迁移的特征初有成效,它降低了源域及目标域之间的分布差异。目前已有的对抗网络假设源域和目标域共享全部的标记空间。在迁移过程中,源域中类别往往很多,而目标域通常只和源域其中一小部分相关,直接迁移肯定会产生负迁移的影响。论文提出了部分迁移学习...

2019-06-18 15:36:08

ubuntu 下 python 调用 c++ 错误问题解决

ImportError:/home/whut/anaconda2/bin/…/lib/libgomp.so.1: version GOMP_4.0' not found libstdc++.so.6: versionGLIBCXX_3.4.21’ not found首先查看一下是否真的不存在strings /home/whut/anaconda2/bin/…/lib/libgomp.so.1...

2019-05-05 15:26:13

git简单命令

查看自己的用户名和邮箱地址:  $ git config user.name  $ git config user.email修改自己的用户名和邮箱地址:  $ git config --global user.name "xxx"  $ git config --global user.email "xxx"我们创建dev分支,然后切换到dev分支:git checkout -b...

2019-01-22 10:34:12

人脸识别“A Discriminative Feature Learning Approach for Deep Face Recognition”

Source code: https://github.com/ydwen/caffe-faceFaceNet: https://github.com/davidsandberg/facenet相关的blog:https://blog.csdn.net/dongfang1984/article/details/53337195摘要:提出了centor loss用于增强特征的可分辨性,c...

2019-01-22 10:28:28

L2-constrained Softmax Loss for Discriminative Face Verification

摘要:softmax损失优化出来的特征不具有较高的类内相似度得分及较低的类间相似度得分。论文增加了特征描述子的L2约束,使得特征分布在具有固定半径的超球上。 大多数现有的使用softmax损失训练的DCNN方法倾向于在高质量的数据上过拟合,对于困难人脸常分类错误。作者通过观察发现,softmax损失学习到的特征的L2-norm是人脸图像质量的反映,高质量的人脸具有较大的L2-norm,模糊...

2019-01-22 10:28:07

三元组损失“Deep Metric Learning via Lifted Structured Feature Embedding”

http://www.cnblogs.com/wangxiaocvpr/p/5921074.htmlcaffe实现解释:https://blog.csdn.net/zziahgf/article/details/78568696tensorflow实现:http://10.1.2.209/lianjie/install-packages/blob/master/metric_loss_op...

2019-01-22 10:27:10

人脸检测“Real-Time Rotation-Invariant Face Detection with Progressive Calibration Networks”

源码:https://github.com/Jack-CV/PCN-FaceDetection提出了PCN网络检测任意角度的人脸,网络分为三级,首先将任意角度人脸从[-180°,180°]转到[-90°,90°],第二级将人脸转到[-45°,45°]范围,第三步将人脸转为正脸,示意图为:PCN网络进行具有三个任务:人脸/非人脸分类,bbox回归,以及角度标定,损失函数为:三步P...

2018-11-01 11:36:10

人脸识别“NormFace: L 2 Hypersphere Embedding for Face Verification”

源码地址: https://github.com/happynear/NormFace研究了特征归一化方法用于增强人脸验证性能,同时提出了两种适应于归一化特征训练的两种策略:基于优化余弦相似度改进的softmax损失,改进的度量学习方法。在人脸验证中,余弦距离或者L2归一化的欧式距离通常用来衡量特征间的相似度,余弦距离相当于归一化的两个向量的内积。但在CNN的训练中,内积运算通常不进行归一...

2018-10-31 10:41:09

深度嵌入学习“Sampling Matters in Deep Embedding Learning”

知乎专栏:https://zhuanlan.zhihu.com/p/27748177在检索和验证任务中,经常使用contrastive 损失或 triplet损失作为损失函数,大多数论文也主要关注如何选取损失函数,这篇论文认为训练样本的选取也很重要。提出了distance weighed sampling,选取信息量更大更稳定的训练样本。此外,提出了margin based loss,效果更好...

2018-10-25 17:42:30

三元损失“In Defense of the Triplet Loss for Person Re-Identification”

更全面的阅读记录可以参考这篇博客:https://blog.csdn.net/xuluohongshang/article/details/78965580背景描述提出了一个三元损失的变形用于行人再认证。近期较为成功的行人再认证方法一般使用分类损失结合验证损失。先使用分类损失训练,然后使用网络的一部分进行特征提取,结合度量学习获得最终的特征描述。存在问题:分类损失在id数量增加是,需要...

2018-10-24 16:23:27

DeepID2 "Deep Learning Face Representation by Joint Identification-Verification"

降低类内方差,提升类间方差一直是人脸识别的热点。论文将人脸识别和验证损失同时监督网络的训练,在LFW上获得99.15%的验证准确率。人脸识别是对输入图像分类,验证是判断一对图像是否为同一个ID。分类信号具有丰富的ID相关信息,或者类间方差,但分类信号对于相同ID的约束较小,即不同的特征可能映射到相同的ID上。这时当特征推广到新任务或者新ID时表现就不好。因此,论文增加了人脸验证信号的监督,要求...

2018-10-23 11:12:55

MegDet: A Large Mini-Batch Object Detector

分类网络如ReseNet-50的mini-batch尺寸已经很大了,如8192或16000.但检测网络的mini-batch尺寸确很小,如2-16。小的batch尺寸有什么问题?一是训练时间长,二是无法为BN提供精确的统计信息。三是正负样本比例不平衡,如下图a-b所示。但是直接增加batch尺寸有什么问题呢?大的batch尺寸需要比较大的学习率去保持精度,但大的学习率通常会导致无法收敛。为...

2018-09-19 15:49:37

目标检测“Cascade R-CNN: Delving into High Quality Object Detection”

目前的目标检测器主要使用IOU=0.5定义正负样本,这通常会产生很多接近负样本的检测结果。但检测性能又会随着IOU的提高而下降,主要是由于:1)IOU提高,正样本数量减少,出现训练过拟合;2)检测器最优时IOU与输入假设时inference-time不匹配。论文提出Cascade RCNN解决这个问题,包含多级检测器使用上升的IOU训练。IOU=0.5训练,会生成较多的噪声框,如fig1(a)...

2018-09-06 16:27:44

姿态估计“2D/3D Pose Estimation and Action Recognition using Multitask Deep Learning”

提出了用于2D/3D姿态估计,及行人行为分析的多任务框架。姿态估计一般做的事热点估计,需要使用argmax函数复原坐标,破坏了端到端的BP链。姿态估计使用回归的方法,扩展Soft-argmax函数用于处理2D/3D姿态回归。姿态估计网络包括K个预测块,用于调整姿态,最后一个预测是姿态的估计。低层的视觉特征是副产物,姿态回归结构如下所示:soft-argmax层,对于2D热力图输入,...

2018-08-27 11:03:24

行人姿态估计源码AlphaPose

机器环境:ubuntu16.04,cuda8.01.torch&tensorflow版本源码地址:https://github.com/MVIG-SJTU/AlphaPose首先跑的是torch版本,安装了torch和tensorflow后运行程序出现如下错误:Errorin`python2':corruptedsizevs.prev_size:0x0000...

2018-08-27 09:04:06

查看更多

勋章 我的勋章
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。