DeepID2+:Deeply Learned Attributes for Crowded Scene Understanding

最新推荐文章于 2020-08-28 20:53:56 发布
原创 最新推荐文章于 2020-08-28 20:53:56 发布 · 1.7k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了DeepID2+模型在网络结构、特征提取及人脸验证等方面的技术细节。该模型通过深度学习方法有效提升了在拥挤场景中的人脸识别能力。

参考文献：《DeepID2+:Deeply Learned Attributes for Crowded Scene Understanding》


1　网络结构









2　特征提取




3　人脸验证

Official Program for CVPR 2015
ZhangPY的专栏
03-02 4683
From:  http://www.pamitc.org/cvpr15/program.php   Official Program for CVPR 2015 Monday, June 8 8:30am-8:40am Ballrooms A,B,C Rooms 302,304,306 Opening Remarks from Conference C
DeepID2+_Deeply_learned_face_representations_are_sparse_selective_and_robust
12-10
DeepID2+_Deeply_learned_face_representations_are_sparse_selective_and_robust
DeepID2+人脸识别算法学习
一休哥的专栏
04-01 8801
DeepID2+在DeepID2的基础上，继续对网络结构做了修改，同时增加了对卷积圣经网络的分析，发现了几个特征：（1）适度稀疏，及时将神经元二值化之后，认证效果依然很好；（2）选择性，高层神经元对认证对象具有高度敏感性，对于同一个人很多神经元会持续保持激活或者抑制状态；（3）和鲁棒性，对于水平遮挡或者随机块遮挡，具有较高的鲁棒性，及时只剩额头和头发，仍然可以达到88.2%的准确率。
DeepID:tensorflow + python3实现，目标是实现DeepID2+
05-15
DeepID 0. 效果展示 训练图(极小数据测试训练) 测试图 训练曲线accuracy 训练曲线loss 1. 数据地址及工具 人脸数据下载地址: 人脸数据私人下载地址: 人脸数据私人下载地址: 有账号密码下载地址: 本项目测试图库: 已训练完的模型: 2. 执行指令 防止数据不均衡，小于100张的用于测试，不足600的做数据扩充 python image_augmentation.py 将原图剪裁，剪裁成（47 * 55）大小的图片，原图是人脸对齐的 python image_crop.py 将图库进行划分，保存各分块的本地地址，存储为csv文件 python image_split.py 将划分后的数据保存成向量存储形式, 存储为pkl文件 python image_vector.py 训练数据 python train.py 在命令行输入,启动tensorboard观测曲线 te
Deeply Learned Attributes for Crowded Scene Understanding
cv_family_z的博客
11-27 1112
CVPR2015 http://www.ee.cuhk.edu.hk/~jshao/WWWCrowdDataset.html 代码 https://github.com/amandajshao/www_deep_crowd本文主要使用 CNN来解析拥挤场景首先建立了一个关于拥挤场景的数据库 WWW Crowd Dataset A quick glance of WWW Crowd Datas
Deeply Learned Attributes for Crowded Scene Understanding（WWW dataset）
yuanyuan_csdn_的博客
07-29 629
Deeply Learned Attributes for Crowded Scene Understanding 主要内容： 1.   自己创建数据集：Who do What at someWhere (WWW) 2.   用深度模型训练 动机：大多数的人群研究都是基于特定场景的，变化场景表现就没有那么好了      不同场景都有着相同的属性，但是这些属性没有明确的定义      创
数字图像处理目录列表
凌风探梅的专栏
09-26 3966
基础知识,颜色空间与彩色图像,灰度变换与空间滤波,频率域滤波,图像分割,小波和多分辨率,图像压缩,形态学,图像复原与重建,表示和描述,目标检测＆目标识别＆追踪算法,特征提取＆图像检索＆分类识别,机器学习,深度学习,增强现实,图像滤镜,视频特效,指纹识别＆破解,其他生物特性识别,图像融合,图像拼接全景拼接,OCR文字识别,条形码二维码,高动态范围图像HDR图像,图像放大缩小和超分辨率
（十三：2020.08.28）CVPR 2015 追踪之论文纲要（译）
Jojo论文基地
08-28 3206
CVPR 2020 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这602篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
（九：2020.08.27）CVPR 2019 追踪之论文纲要（译）
Jojo论文基地
08-28 9445
CVPR 2019 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这900篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录 论文 概要
（十二：2020.08.28）CVPR 2016 追踪之论文纲要（译）
Jojo论文基地
08-28 5033
CVPR 2016 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这643篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
人群场景的属性--Deeply Learned Attributes for Crowded Scene Understandin
AI小作坊 的博客
09-13 1120
Deeply Learned Attributes for Crowded Scene Understanding CVPR2015 http://www.ee.cuhk.edu.hk/~jshao/WWWCrowdDataset.html https://github.com/amandajshao/www_deep_crowd本文要解决的问题是什么了？ 给你一段人群场景的视频，算法能否给出
DeepID2——强大的人脸分类算法
雨石
11-26 3万+
本文是论文Deep Learning Face Representation by Joint Identification-Verification的阅读笔记。 这篇论文使用deep learning学习特征，使用联合贝叶斯模型作为分类器，选取七组特征分别训练分类器，得到的结果使用SVM进行组合，得到的最终模型在LFW（Labeled Face in the Wild）数据集上的人脸验证任务中，达到了99.15%的准确率，目前排名第一。
人脸识别系列（三）：DeepID2
Fire_Light_的博客
03-14 3202
论文地址：Deep Learning Face Representation by Joint Identification-Verification 文章思想 reducing the intra-personal variations while enlarging the inter-personal differences is a central topic in face re...
DeepID人脸识别算法之三代
热门推荐
雨石
12-23 9万+
DeepID人脸识别算法之三代 DeepID，目前最强人脸识别算法，已经三代。 如今，深度学习方兴未艾，大数据风起云涌，各个领域都在处于使用深度学习进行强突破的阶段，人脸识别也不例外，香港中文大学的团队使用卷积神经网络学习特征，将之用于人脸识别的子领域人脸验证方面，取得了不错的效果。虽然是今年7月份才出的成果，但连发三箭，皆中靶心，使用的卷积神经网络已经改进了三次，破竹之势节节高。故而在这里将DeepID神经网络的三代进化史总结一下，以期相互讨论，互有增益。
DeepID2+ face recognition
yiyouxian的专栏
08-06 2654
DeepID2+ face recognitionDeepID2+[1]的结构与DeepID2[2]基本一致，不同之处在于每个conv layer的feature maps数量不同，同时每个conv layer在maxpooling之后都连接了fully-connected layer（简称Fc-1，Fc-2，Fc-3，Fc-4）。与DeepID2一样，DeepID2+也引入了identificat
deepid v2
Loong Cheng的博客
06-11 315
作者：Fire_Light_ 原文：https://blog.youkuaiyun.com/Fire_Light_/article/details/79559051 论文地址：Deep Learning Face Representation by Joint Identification-Verification 文章思想 reducing the intra-personal variatio...
DeepID2:Deep Learning Face Representation by Joint Identification-Verification
凌风探梅的专栏
10-09 1798
DeepID2:Deep Learning Face Representation by Joint Identification-Verification
DeepID+DeepID2+DeepID3人脸识别算法总结
小鸡啄米
03-13 3394
DeepID已经三代。如今，深度学习方兴未艾，大数据风起云涌，各个领域都在处于使用深度学习进行突破的阶段，人脸识别也不例外，香港中文大学的团队使用卷积神经网络学习特征，将之用于人脸识别的子领域人脸验证方面，取得了不错的效果。使用的卷积神经网络已经改进了三次。故而在这里将DeepID神经网络的三代进化史总结一下，以期相互讨论，互有增益。 在说明具体的结论之前，我先进行总结式的几段文字，然后再做详细的...
DeepID2[2014-NIPS]
On_theway10的博客
03-27 303
Motivation 通过深度网络学习人脸embedding-feature！[DeepID-2014CVPR]； 减小内类variations，增加类间difference； Novelty identification loss ...
APIfox中AssertionError: expected undefined to deeply equal
最新发布
06-26
在APIfox中遇到 `AssertionError: expected undefined to deeply equal` 错误通常表明测试断言失败，预期值与实际值不匹配。这类问题多出现在自动化测试脚本中，尤其是在使用类似Chai.js的断言库进行深度比较时[^1]。 ### 原因分析 该错误提示说明测试期望某个值（例如对象或数组）等于另一个值，但实际结果为 `undefined` 或者两者结构/内容不一致。常见原因包括： - 接口返回数据结构不符合预期。 - 测试用例中的断言逻辑书写错误。 - 数据异步加载未完成即执行断言。 - JSON解析失败导致变量未定义。 ### 解决方案 #### 1. **检查接口响应** 确保请求返回的数据结构与测试脚本中假设的一致。可以通过打印响应内容来验证： ```javascript pm.test("Check response structure", function () { pm.response.to.be.json; const jsonData = pm.response.json(); console.log(jsonData); // 查看实际返回内容 }); ``` #### 2. **修正断言逻辑** 确认断言语句是否正确处理了预期值和实际值。例如使用 `.deep.equal()` 进行深度比较时，应确保两边均为定义良好的对象或数组： ```javascript pm.test("Test with deep equality", function () { const expected = { key: "value" }; const actual = pm.response.json(); // 确保实际值为对象 pm.expect(actual).to.deep.equal(expected); }); ``` #### 3. **处理异步逻辑** 如果测试依赖异步操作（如数据库查询、外部API调用），请确保断言在异步任务完成后执行： ```javascript pm.test("Async test example", function (done) { someAsyncFunction().then((result) => { pm.expect(result).to.equal("expected value"); done(); }).catch(done); }); ``` #### 4. **避免未定义值参与比较** 在进行深度比较前，添加对 `undefined` 的判断，防止断言失败： ```javascript pm.test("Safe deep comparison", function () { const actual = pm.response.json().data; // 假设 data 可能为 undefined const expected = { key: "value" }; if (actual !== undefined) { pm.expect(actual).to.deep.equal(expected); } else { pm.fail("Actual value is undefined"); } }); ``` #### 5. **启用调试输出** 在APIfox中开启调试模式，查看完整的错误堆栈信息，有助于定位具体出错位置： ```javascript pm.test("Debug assertion", function () { try { pm.expect(pm.response.json()).to.deep.equal({ status: "success" }); } catch (e) { console.error(e); // 输出完整错误信息 } }); ``` ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值