- 博客(20)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 分布式深度学习系列
分布式深度学习系列探究分布式深度学习系统的研究现状和应用关键点。1 神经网络的分布式训练介绍主要分为模型并行和数据并行，也可以综合使用。建议使用数据并行，具备更丰富的理论研究空间，模型并行显得更苍白。涉及随机梯度下降（SGD），参数服务器等概念。…细节部分容后再续。参考文献Distributed Deep Learning[1] Kai Chen and Qiang Huo. Scalable
2016-10-10 10:15:35
1398
原创 手把手教你开发基于深度学习的人脸识别【考勤/签到】系统
人脸识别介绍平台环境需求技术点系统流程细节设计人脸检测人脸关键点定位人脸特征提取模型的训练模型的部署MySQL数据库的使用MFC工程的搭建软件使用人脸识别介绍人脸识别技术是一项非接触式、用户友好、非配合型的计算机视觉识别技术。随着机器学习、深度学习等技术的发展，人脸识别的应用正日趋完善和成熟。本文将介绍人脸识别技术如何用于考勤/签到系统。本文将主要从以下几个方面阐述：平台环
2016-06-04 16:39:46
34535
26
原创 机器学习算法工程师在做什么？
机器学习不仅仅是模型产生这个问题的原因就是所有人都以为机器学习的模型就是机器学习本身，以为对那些个算法理解了就是机器学习的大牛了，但实际上完全不是这样的。模型是谁在玩呢？模型是科学家发明出来的， 是各个大公司的各个科学家，研究员发明出来的，这个发明出来是会出论文的，是他们用来虐我们的智商的，一般情况下，你发明不了模型吧（如果可以，可以不要往下看了，你可以走学术那条路）？你修改不了模型吧？所以说，学会
2016-05-31 10:15:45
13854
1
原创 Python+OpenCV进行视频中人脸检测
环境安装python 和 Opencv。在windows下要将opencv的build/python/2.7/cv2.pyd复制到python的目录Lib/site-packages下。程序使用opencv官方训练的人脸级联分类器haarcascade_frontalface_alt2.xml，Python代码参考我的项目。import cv2import syscascPath="./haarc
2016-05-27 14:51:31
9704
3
原创 NumPy Array
NumPy数组的优势通常情况下，NumPy数组存储相同数据类型的元素，这意味着只要知道元素的个数，即可确定该数组的存储空间。NumPy数组可以进行向量化操作，可对整个数组直接进行操作，而要使用Python 列表达到同样的效果的话，得使用循环在对每个元素进行操作。同时，NumPy使用了优化过的C接口，这保证了其高效的运行效率。NumPy数组下标从0开始，元素的数据类型由特定的几种构成。可使用arran
2016-05-23 17:27:07
1110
原创 Python学习之IPython/IPython notebook篇
导言可以在cmd中，进入python环境，但是交互性能实在是接近于无。我们可以使用IPython提供的交互环境，进行数据分析等活动。IPython Shell具备以下特性： * Tab completion, which helps you find a command * History mechanism * Inline editing * Ability to call extern
2016-05-21 15:21:45
2577
转载 数据科学部门如何使用Python和R组合完成任务
概述和那些数据科学比赛不同，在真实的数据科学中，我们可能更多的时间不是在做算法的开发，而是对需求的定义和数据的治理。所以，如何更好的结合现实业务，让数据真正产生价值成了一个更有意义的话题。数据科学项目的完整流程通常是这样的五步骤： 需求定义=》数据获取=》数据治理=》数据分析=》数据可视化一、需求定义需求定义是数据科学项目和数据科学比赛的最大不同之处，在真实情景下，我们往往对目标函数、自变量、约束
2016-05-19 10:55:13
864
原创 Python学习之not,and,or篇
运算符示意not –表示取反运算。and –表示取与运算。or –表示取或运算。运算符优先级not > and > or。 举例如下：bool_one = False or not True and Trueprint bool_onebool_two = False and not True or Trueprint bool_twobool_three = True and n
2016-05-11 19:46:12
8670
原创 人脸识别CNN网络训练流程
目标训练论文”A Lightened CNN for Deep Face Representation”中的caffe网络。数据CASIA-WebFace 可在这里申请。网络配置详细配置查看prototxt/中的LCNN_solver.prototxt和LCNN_train_test.prototxt。
2016-05-10 21:19:14
13561
16
原创 Python学习之Strings篇
字符串strPython中的字符串内置类型为str,不是string,也不是String哟。str类型一经创建便不可改变，如C++中的immutable。拥有[]运算符，和java，C++类似，下标从0开始。字符串长度可用len函数求解。字符串连接运算，使用”+”，与C++类似，要注意类型转换，不像java可以自动转换。 s = 'hi' print s[1] ##
2016-05-10 20:11:25
759
原创 行人检测-ccv计算机视觉库应用
目标从静态图片中检测行人，对所有存在的行人进行定位。数据测试数据INRIA Person Dataset。算法ccv是一个开源的计算机视觉库，基于C语言开发，是一种以应用驱动的算法库。此处使用DPM模型进行行人检测，参考这里。该算法文献出自于[The original paper refers to: Object Detection with Discriminatively Trained Pa
2016-05-09 15:44:31
3866
4
翻译 【论文学习笔记】Clustering by fast search and find of density peak
这是近期science上的一篇关于无监督聚类的文章。本文的作者为Alex Rodriguez 和 Alessandro Laio。以下简要介绍下算法的主要思想以及算法分析。算法主要思想：该算法的两个重要假设：类簇的中心由一些局部密度比较低的点围绕, 并且这些点距离其他有高局部密度的点的距离都比较大. 首先定义两个值: 局部密度 以及到高局部密度点的距
2016-03-05 15:39:12
1443
翻译 【论文学习笔记】Face Recognition with Learning-based Descriptor
基于LE描述子的人脸识别摘要：提出一个新的方法，解决人脸识别中的人脸描述和人脸匹配（验证）问题。 首先，通过一个新的learning-based(LE)编码方法对面部的“微结构（micro-structures）”进行编码，通过无监督学习的技术从训练样本中学习到一个“编码本（encoder）“，这个编码本可以实现较好的识别能力和不变性。
2016-03-05 15:37:01
1794
翻译 【论文学习笔记】Class-Specific Hough Forests For Object Detection
用于目标检测的特定类别霍夫森林随机森林：测试样本送人森林中，接受所有树的检验，对于每个树，该样本抵达的那个叶子作为输出结果的一项记录，所有记录的平均值作为该样本最终的输出。构造霍夫森林：训练树的过程中，图像块抵达某个节点的信息被储存下来，具体的，我们储存了抵达该节点的图像块集之中源于目标图片的图块所占的比重Cl以及偏移向量Dl（图块中心和原图中心的位置偏
2016-03-05 15:34:43
2058
1
翻译 【论文学习笔记】Joint Cascade Face Detection and Alignment
第一节：关键思想是将人脸检测和人脸标点结合起来。一个应用比较广泛的人脸检测方法，Viola-Jones检测器是基于以下两个原则进行检测的：1，逐步提升的级联结构；2，简单的特征。这种方法在日常生活场景中效果不甚理想。其他有许多工作是针对多视角的人脸检测【10，17，27，7】他们采用分治策略——在不同视角和头部姿态下，分别训练不同的检测器。这种做法往往更加麻烦，
2016-03-05 15:30:11
7292
7
翻译 【翻译+原创】DeepFace: Closing the Gap to Human-Level Performance in Face Verification 论文笔记
摘要传统的人脸识别流程是：人脸检测——人脸对齐——人脸表达——人脸分类。为了进行分段的仿射变换，我们使用了3D的人脸建模来重现对齐和表达这两步，最终从一个9层的深度神经网络中得到了人脸的表达。这个网络并非标准的卷积网络层，而是使用了几个未共享权重的局部连接层，网络参数超过了120，000，000个。我们在迄今为止最大的人脸数据库上训练——4000多个不同的人，总计4
2016-03-05 15:27:40
7507
翻译 【翻译+原创】Deep Learning Face Representation from Predicting 10,000 Classes 论文笔记
摘要：论文主要目的是通过深度学习去学习到一个高水平的特征表达集(DeepID)用于人脸验证。DeepID 特征集是从深度卷积网络(ConvNets)的最后一个隐藏层神经元提取到的。这种特征是从人脸的不同区域提取的，可以形成一个互补的完备的人脸特征表达。结合简单的人脸对齐，在 LFW 上实现了97.45%的识别率。第一节：当前有着最优表现性能的人脸验证算法是采
2016-03-05 15:23:25
2914
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人