7 小明知道

尚未进行身份认证

来自中科院自动化所

等级
TA的排名 1w+

行人再识别和步态识别综述

摘要:本文主要介绍了行人再识别和步态识别的方法详细的信息可以见资源的ppt

2019-01-14 16:33:20

matlab利用hinge loss实现多分类SVM

介绍hinge losscode1 介绍本文将介绍hinge loss E(w)E(w)以及其梯度∇E(w)\nabla E(w)。并利用批量梯度下降方法来优化hinge loss实现SVM多分类。利用hinge loss在手写字数据库上实验,能达到87.040%的正确识别率。2. hinge loss根据二分类的SVM目标函数,我们可以定义多分类的SVM目标函数: E(w1,…,wk)=∑

2017-03-15 09:56:35

人脸识别---基于深度学习和稀疏表达的人脸识别算法

介绍基于深度学习和稀疏表达的人脸识别算法1 利用VGGFace提取人脸特征2 PCA对人脸特征进行降维3 稀疏表达的人脸匹配Code1 介绍本文将介绍一种基于深度学习和稀疏表达的人脸识别算法。首先,利用深度学习框架(VGGFace)提取人脸特征;其次,利用PCA对提取的特征进行降维;最后,利用稀疏表达分类实现特征匹配。我采用CMC曲线评价在AR数据库上的识别性能。最后我还提供了整个过程的c

2017-03-12 15:58:55

人脸识别---开集测试评价指标ROC曲线

摘要:本文主要讲开集测试指标ROC曲线。开集测试更加符合实际的场景。一般要得到ROC曲线需要准备三个数据集,一个是gallery集,称为注册集,第二个是包含gallery集的ID的probe集,和不包含gallery集的ID的probe集,我们只需要计算类类比对分数和类间比对分数,这是一种1:n的比对方式。 代码如下:function [result,pre_FPR,pre_TPR]=drawROC

2016-12-06 09:23:31

人脸识别---闭集测试评价指标CMC曲线(rank)

摘要:本文主要讲解如何得到CMC曲线。CMC曲线就是算一种top-k的击中概率,主要用闭集测试。比如有n个注册样本,现在想测试性能,测试样本依次和n个注册样本算取一个距离,然后排序,看类类样本位于前top-k,最后统计得到CMC曲线。计算CMC曲线的函数代码如下:functionaccuracy=calrank(distance,rankvalue,info)fork=1:length

2016-12-06 09:13:45

人脸识别---利用caffe实现多层特征学习人脸识别网络

摘要:本文主要讲解如何利用caffe搭建自己的网络,本文主要讲利用caffe搭建一种Hierarchical Feature Representation的网络。网络如下图:数据库:CASIA-WebFace数据集,可以到我的网盘中下载:http://pan.baidu.com/s/1nuWsju5。在我的试验中我选用1000人的样本训练,在CASIA-WebFace数据中1000人包含图片最多,大

2016-10-31 10:13:26

matlab---triplet loss

**摘要:**triplet loss 可以提高特征匹配的性能,可用物体识别,人脸识别,检索等方面,本文用matlab实现triplet loss。triplet loss 就是学习一个函数隐射f(x)f(x), 从特征xx 映射到 RD\mathbb{R}^{D}, 有如下关系:y=f(x)y=f(x). 在一个特征空间RD\mathbb{R}^{D}中,我们通过欧式距离度量两个特征向量的距离。

2016-10-27 09:49:35

视觉类比VISALOGY: Answering Visual Analogy Questions--NIPS2015

本文是NIPS2015的一篇文章,整篇文章主要是解决一个视觉类比问题。 摘 要: 视觉类比问题非常值得研究。这个研究问题主要是:图像A类比图像B,那么图像C类比什么图像。视觉类比问题主要是深入挖掘图像A和图像B之间的映射关系,从而搜索出图像C对应的映射图像D。本文嵌入类比损失函数到深度卷积神经网络中,学习图像之间的类比关系,最后解决了自然图像之间的视觉类比问题。

2016-10-27 09:30:15

deep learning---MatConvent框架的简单介绍(一)

Abstract:本文主要介绍MatConvent框架,意在熟悉Matlab能够利用MatConvent轻松搭建自己的网络完成相应的任务。\,\,\,\,\,\,\,\,\,对于不熟悉C++人来说,改以C++为底层的深度学习代码难度非常大。这时我们可以以matlab为底层的代码来搭建自己的网络来实现自己的任务。目前有deeplearning toolbox和MatConvnet以Matlab为基础的

2016-06-12 17:13:51

Opencv---计算图像直方图方差和均值

Abstrcat:本文主要讲解如何计算图像直方图的方差和均值1.求解一个图像的直方图,原图需要为灰度图,代码如下:(首先需要申明通道和直方图的范围)constintchannels[1]={0};constinthistSize[1]={256};floathranges[2]={0,255};constfloat*ranges[1]={hranges};MatNDhist;Mat

2016-06-04 23:41:15

利用C++制作dll并调用dll

Abstract:本文讲解如何利用c++制作dll并调用dll,用一个简单的加法函数来作为演示,并给出图形界面。1.打开vs(我用的是vs2010),然后点击文件—>文件—>新建—>项目,选择Win32控制台应用程序。并输入你想建立的vs工程名字和路径(就命名为addfun)。然后点击下一步,应用程序类型选择DLL(D)这一项。然后点击完成。就会出现下图。2.里面有一个源文件addfun.

2016-05-26 15:58:40

deep learning---利用caffe在vgg-face上finetuing自己的人脸数据

Abstract:本文将讲解如何利用自己的人脸数据在vgg-face上finetuing,主要包括数据的生成和文件的设置,以及最后的运行。1.代码和文件准备 代码caffe:http://caffe.berkeleyvision.org/,这个只要编译好就可以用了,配置编译不用讲,网上有大量的教程。 vgg-face模型:http://www.cppblog.com/guijie/archive

2016-05-12 22:17:14

人脸识别---光照预处理(Opencv代码和Matlab代码)

继上一篇人脸图像预处理,现在给出opencv的程序。由于涉及到滤波,我先给出Opencv滤波的函数。void filter2D(InputArray src, //要进行滤波的图像 OutputArray dst,//滤波后的图像 int ddepth, //原图像的深度 src.depth() Input

2015-11-18 22:11:13

人脸识别---人脸图像预处理

Abstrcat—人脸图像预处理是为了去除光照对人脸影响。通常我们采用直方图均衡化对人脸图像进行处理。下面介绍一个方法对人脸进行预处理,由于没有找到相关文献的介绍,现在只能给出公式以及该方法与直方图均衡化后的结果。该方法最终得到识别率比直接采用直方图均衡化好。对于一幅尺寸为m∗nm*n人脸图像II.I1=I(∑mi=1∑nj=1|Iij|a/(m∗n))(1/a)I_{1}=\frac{I}{(

2015-11-11 11:03:50

人脸识别---排序测度特征(Ordinal Measures)

Abstract—本文主要讲解下排序测度在人脸识别中特征提取的过程。       下面来看一张图(图1)来描述排序测度特征. 图1 虹膜排序测度的提取,最后用了hamming距离来比对数据库的模板。这是提取虹膜特征的一个方法。      从图1可以看出,主流的提取特征的方法都是使用水平朝向的、中等尺度的、单峰形状为低通滤波器的算子来提取近邻图像区域之间的排序测度特征。但是这些方法忽略了虹膜图

2015-10-14 16:40:33

人脸识别---Gabor特征(mean pooling和max pooling)

Abstract—本文主要讲解Gabor特征在人脸识别中的使用。       在此不讲Gabor滤波器的原理,网上有很多博客已经介绍了大量关于Gabor滤波器。此文讲下提取出来后的Gabor滤波器的处理。       通常我们使用的Gabor滤波器有8个方向,5个尺度,这些参数都可以调节。Gabor滤波器分为实数部分和虚数部分,如图1所。图1a为实数部分,图1b为虚数部分。 图1a Gab

2015-10-13 17:01:44

人脸识别---LBP特征与高维LBP特征

Abstrcat—本文主要介绍LBPLBP特征和高维LBPLBP特征在人脸 识别领域的应用。目录目录LBP高维LBP1. LBP        LBPLBP算子是由OjalaOjala等人于1996年提出的,它是一种简单,有效的纹理分类的特征提取算法。       从纹理分析的角度来看,图像上某个像素点的纹理特征,大多数情况下是指这个点和周围像素点的关系,即这个点和它的邻域内点的关系。从哪个

2015-10-09 10:38:01

人脸识别研究综述

摘要:在过去的20年里,研究者提出很多人脸识别的方法。大多数研究者运用了整张人脸来做识别,基本技术路线都是提取人脸特征然后并对。然而在实际的场景中,人脸可能被障碍物遮挡,那么我们就必须识别人的部分脸,部分脸识别大多基于脸部关键点进行识别。本文意在总结基于人脸关键点的全脸和部分脸的识别方法。

2015-08-27 10:58:15

Opencv常见用法和常见错误(一)

一. 读取中文的路径的图像使用Opencv错误的读法如下: int main() { Mat img = imread("E:\示例图片/1.jpg"); namedWindow("实例"); imshow("实例",img); waitKey(); }将会产生如下错误正确的读法如下: 在读取图像的时候加入两个头文件:#include <QString>#include <q

2015-07-30 21:05:18

deep learning K-means(Unsupervised )+softmax

Abstract:本章将采用K−meansK-means提取图像的特征,随机在原始图像上切取多块正方形区域训练聚类中心点,通过聚类中心点提取特征,实验说明了白化对实验结果的影响,pooling大小对实验结果的影响。还对比了不同的特征提取模型,对比了不同的识别率。

2015-06-21 20:40:01

查看更多

CSDN身份
  • 博客专家
勋章 我的勋章
  • 专栏达人
    专栏达人
    授予成功创建个人博客专栏的用户。专栏中添加五篇以上博文即可点亮!撰写博客专栏浓缩技术精华,专栏达人就是你!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!