haoji007的博客

前言Amusi 发现一个很棒的开源项目，利用YOLOv5进行目标检测的"落地化"应用：安全帽佩戴检测。该项目使用了YOLOv5s、YOLOv5m、YOLOv5l来训练安全帽佩戴检测数据集，代码和权重均已开源！安全帽佩戴检测数据集也是开源的（共含7581 张图像）！项目教程也相当详细，推荐入门练手学习！而且有意思的是，该项目和数据集的两位作者均是中国人，点赞！项目链接（文末附下载）：https://github.com/PeterH0323/Smart_Construction数据集链接

让我们一起攻破世界上最流行的WordPress的验证码插件每个人都讨厌验证码——在你被允许访问一个网站之前，你总被要求输入那些烦人的图像中所包含的文本。验证码被设计成，以验证你是一个真正的人的方式，来防止电脑自动填写表单。但是随着深度学习和计算机视觉的兴起，它们现在往往很容易被攻破。我在读Adrian Rosebrock的优秀的著作《Python计算机视觉深度学习》。在书中，Adrian简单地描述了他如何用机器学习绕过E-ZPass New York网站的验证码：Adrian没有访...

三种激活函数以及它们的优缺点sigmoidsigmoidsigmoid导数：g′(z)=a(1−a)g^{'}(z)=a(1-a)g′(z)=a(1−a)最基本的激活函数，logistics regression以及讲解深度神经网络的时候作为简单例子，但实际上很少使用。原因如下：当z非常大或者非常小的时候，a的斜率变得越来越接近0，这会使得梯度下降算法变得极为缓...

文章目录全球知名AI研究院（实验室） 国外 谷歌 Facebook 微软 麻省理工 斯坦福 卡内基梅隆 国内 阿里巴巴 腾讯 百度 旷视 南京大学 清华大学 北京大学 全球知名AI研究院（实验室）国外谷歌DeepMind，是一家英国的人工智能公司，由人工智...

本文链接：https://blog.youkuaiyun.com/youyuyixiu/article/details/537630892015年，深度学习三大神（Yann LeCun，Yoshua Bengio & Geoffrey Hinton），为了纪念人工智能60周年，合作在Nature上发表深度学习的综述性文章，介绍了深度学习的基本原理和核心优势，详细介绍了CNN、分布式特征表示、RNN...

本文链接：https://blog.youkuaiyun.com/Sakura55/article/details/81514828 1.GAN 2.CGAN 3.DCGAN 4.WGAN 5.WGAN-GP 6.LSGAN 7.BEGAN 8.GAN的基本代码 1.GAN先来看看公式：GAN网络主要...

史上最全的人工智能知识图谱转载于公众号： 数邦客人工智能知识图谱1 知识图谱知识图谱(Knowledge Graph)又称为科学知识图谱，由Google与2012年5月提出，目的是提高搜索引擎的能力，改善用户的搜索质量及搜索体验。随着人工智能技术的发展和应用，知识图谱逐渐成为关键技术之一，现已被广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。维基百科...

RBM（受限玻尔兹曼机）http://www.cnblogs.com/xiaokangzi/p/4492466.html基于能量模型 (EBM)基于能量模型将关联到感兴趣的变量每个配置的标量能量。学习修改的能量函数使他它的形状具有最好的性能。例如，我们想的得到最好的参量拥有较低的能量。EBM的概率模型定义通过能量函数的概率分布，如下所示：　　　　

本文对自编码器（Auto-Encoder）算法及其相关变种算法进行简要介绍，其中包括 Regularized Auto-Encoder、Sparse Auto-Encoder、Denoising Auto-Encoder 和 Contractive Auto-Encoder，重点讨论各算法的基本思想及优化时所需目标函数的构造。

去年 6 月份写的博文《Yusuke Sugomori 的 C 语言 Deep Learning 程序解读》是囫囵吞枣地读完一个关于 DBN 算法的开源代码后的笔记，当时对其中涉及的算法原理基本不懂。近日再次学习 RBM，觉得有必要将其整理成笔记，算是对那个代码的一个补充。 目录链接（一）预备知识（二）网络结构（三）能量函数和概率分布

原文地址：http://blog.youkuaiyun.com/hjimce/article/details/50098483作者：hjimce一、相关理论     本篇博文主要讲解2015年CVPR的一篇关于图像相似度计算的文章：《Learning to Compare Image Patches via Convolutional Neural Networks》，本篇文章对经典的算法Siam

原文  http://www.youkuaiyun.com/article/2015-09-15/2825714   Python 1. Theano 是一个python类库，用数组向量来定义和计算数学表达式。它使得在Python环境下编写深度学习算法变得简单。在它基础之上还搭建了许多类库。1. Keras 是一个简洁、高度模块化的神经网络库，它的设计参考了Torch，用Pyt

来自： http://www.cnblogs.com/py-tiger/p/vim_python.html１,安装vim,你可以使用ubuntu 自带的apt-get 工具安装。apt-get install vim-gnome2,安装成功后，进行配置1>首先进行自动提示补全的配置（ pydiction ） 从官方上下载 http://www.vim.org/scr

运行下面两个命令，即可把 Vim（含插件）配置成 Python IDE。目前支持 MAC 和 Ubuntu。Shell curl -O https://raw.githubusercontent.com/vince67/v7_config/master/vim.shsudo bash vim.shcurl -O https://raw.githubusercontent.

写在前面：最近看文章毫无头绪，文章一把抓乱看，看到下面这个博客来忍不住转载过来，以便自己不用到处找论文。以下是转载部分================================================================================转载来源：http://hi.baidu.com/chb_seaok/item/6307c

前言：最近学习深度学习，有感写一点总结。我们常常所说的神经网络，一般是指原始的多层感知机，简称MLP，它是在原始感知机堆叠多层而成的，MLP完全由全连接层组成（当然也有激活函数），即Caffe里的IP层。MLP的最大的缺点在于参数众多，比如说我们的网络层为1000--1000--500--20，那么它的总的参数为：1000*1000+1000*500+500*20. 参数过多不好训练，

前言： 主要总结一下自己最近看文章和代码的心得。1. CNN用于分类：具体的过程大家都知道，无非是卷积，下采样，激活函数，全连接等。CNN用于分类要求它的输入图片的大小是固定的（其实不单单是CNN，很多其它的方法也是这样的），这是它的一个不足之处之一。目前的大部分CNN都是用来做分类比较多。2. CNN用于检测：主要的方法有两种，细分一下有三种，第一种最为简单和暴力的，

来自：CVPR 2014   作者：Yi Sun ，Xiaogang Wang，Xiaoao Tang题目：Deep Learning Face Representation from Predicting 10,000 Classes主要内容:通过深度学习来进行图像高级特征表示（DeepID），进而进行人脸的分类。优点：在人脸验证上面做，可以很好的扩展到其他的

文章：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition来源：Technicalreport大意：通过图像金字塔来实现识别中的尺度无关性；作者：KaimingHe，Xiangyu Zhang, Shaoqing Ren, Jian Sun ,来自微软主要内容：

文章：《Rich feature hierarchies for accurate object detection and semantic segmentation》     作者：Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik     单位：UC Berkeley，CVPR2014？     是否开放代码：是，地址

论文:Deep Neural Networks for Object Detection>>      作者:Christian Szegedy Alexander Toshev Dumitru Erhan来源: Google是否开放代码： 否主要思想：利用DNN来做目标检测，因为现在的CNN等深度学习在识别上面做的还挺好，但是在目标检测上面，好像没有特别突出的结果。目标检

时间：2014/7/29 10:00      论文题目：DeCAF: A Deep Convolutional Activation Featurefor Generic Visual Recognition作者：JeffDonahue, Yangqing Jia,Oriol Vinyals来源：这个就是大名鼎鼎的Caffe的前身Decaf，目前Decaf已经不再维护，转

时间：2014/9/25 17:00        文章：《 LearningDeep Face Representation》还没发表~人脸的表示，易于实施，叫做Pyramid CNN，采用了greedy-filter-and-down-sample的操作，使得训练非常快，而且高效，并且PyramidCNN可以和多尺度人脸特征结合。97.3%的LFW。传统的人脸表

阅读时间：2015.04.26 论文源：NIPS2014 作者及单位： David Eigen  deigen@cs.nyu.edu Christian Puhrsch  cpuhrsch@nyu.edu Rob Fergus fergus@cs.nyu.edu 纽约大学主要内容：通过CNN来进行对单张图片进行深度估计，单张图片进行深度信息估计做的人比较少，一般是用双目摄像

论文：FaceNet: A Unified Embedding for Face Recognition and Clustering时间：2015.04.13来源：CVPR 2015来自谷歌的一篇文章，这篇文章主要讲述的是一个利用深度学习来进行人脸验证的方法，目前在LFW上面取得了最好的成绩，识别率为99.63%（LFW最近数据刷的好猛）。传统的基于CNN的人脸识别方法为

文章来源：CVPR2014作者：Zhenyao Zhu，Ping Luo，Xiaogang Wang，Xiaoou Tang（香港中文大学果然牛）主要内容：提出了利用深度学习（还是CNN）来进行人脸图像重构正面人脸，然后利用重构的正面人脸图像来进行人脸的verification，当然能够取得更高的准确率（比没有用正脸去verification），文章提出利用DL来学习从任意

Layer 功能：是所有的网络层的基类，其中，定义了一些通用的接口，比如前馈，反馈，reshape，setup等。#ifndef CAFFE_LAYER_H_#define CAFFE_LAYER_H_#include #include #include #include "caffe/blob.hpp"#include "caffe/common.hpp"#includ

导言这个一个Inclass 的比赛，主要任务就是给定1000多张图片所组成的901153对所有的组合图像，要求进行判断是否是同一个人。作为第一次做Kaggle的比赛，来练练手还是不错的。由于在这所有的二元组中，数据是极其步平衡的，所以会导致即使我们把这些所有的组合都判断为1（不同的人），它的精度也会达到99%以上，所以在这里单单评测识别率是没有意义的。官方这边给出的评价方法是AUC

TensorflowTensorFlow 是谷歌开源的机器学习框架，相对于其它现有框架来说，其具有比较好的扩展性，但是也牺牲了它的速度。下面介绍Tensorflow 的基本使用：1, tensorflow 基本操作：import tensorflow as tfimport numpy as np12乘法：a = tf.placeholder("float") # 创建符

前言：在做人脸分析的时候，常常要求人脸数据已经经过检测、归一化、对齐等操作，然而我们网上下载的数据库，大部分是没有经过这一些处理的，所以也经常需要我们自己写程序来完成这些数据预处理。虽然网上都有现成的一些人脸检测和关键点检测的可执行文件提供，但是，使用起来都不大方便。在这里我提供了一个简单的工具：用于处理简单的人脸检测、关键点检测、基于关键点检测的人脸对齐这三个功能。最大的优点就是你只

基础概述MatConvNet是VLFeat的一部分，是卷积神经网络（CNN）的一个实现。既可以使用matlab编程，又能使用GPU加速，是一个不错的CNN库。 MatConvNet 主页安装下载MatConvNet工具箱点此下载工具箱我下载的版本是 matconvnet-1.0-beta13.tar解压文件将压缩文件解压到 matconvnet-1.0-be

参考文献：Kazemi V, Sullivan J. One millisecond face alignment with an ensemble of regression trees[C]//Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE, 2014: 1867-1874

论文：Joint Cascade Face Detection and Alignment.pdf实现：https://github.com/FaceDetect/jointCascade_py部分内容引用自：http://www.cnblogs.com/sciencefans/p/4394861.html#!comments首先是简介：论文首先介绍了一些当今人

论文：A Convolutional Neural Network Cascade for Face Detection.pdf实现：https://github.com/anson0910/CNN_face_detection该论文发表于2015年CVPR上，作者提出了一种级连的CNN网络结构用于人脸识别，论文的主要贡献有以下四点：提出了一种级连的CNN网络结构用于高

论文：Face Alignment at 3000 FPS via Regressing Local Binary Features.pdf实现：https://github.com/luoyetx/face-alignment-at-3000fps摘要&介绍：论文有两个新颖的点，一是采用局部二值特征，二是用局部性规则指导学习这些特征，最终的识别效果和实现速度俱佳。

论文：From Facial Parts Responses to Face Detection A Deep Learning Approach.pdf实现：暂无这篇论文发表于ICCV2015，很有借鉴意义，论文提出了一个新的概念deep convolutional network (DCN) ，在FDDB数据集上达到了目前世界领先水准，这篇论文可以与之前《Joint Cas

梳理：A Convolutional Neural Network Cascade for Face Detection是CNN与级联思想在检测的应用From Facial Parts Responses to Face Detection A Deep Learning Approach是关键点检测与CNN结合的思想Object Detection with Pixel

85点 （AFLW）68点 （Dlib）27点21点 （aflw）5点

持续更新原文地址：http://blog.youkuaiyun.com/hjimce/article/details/45421595作者：hjimce一、学习清单1、综合类(1)收集了各种最新最经典的文献，神经网络的资源列表：https://github.com/robertsdionne/neural-network-papers  里面包含了深度学习领域经典、

theano环境搭建原文地址：http://blog.youkuaiyun.com/hjimce/article/details/46654229作者：hjimce搭建theano实属不易，因为每个人的电脑不一样，所以安装过程会有所区别，特别是安装cuda的时候，很容易驱动冲突。网上教程一大堆，但是我都没搭建成功，最后根据官网的教程，一步一步的琢磨，总算功夫不负有心人。因此写一下艰