深度学习
关注
分享
扫一扫
文章平均质量分 71
夏洛的网
这个作者很懒，什么都没留下…
展开
-
linux cuda9.0 cudnn7.14安装
好久没有写博客了，一直没有时间打理，刚好又到一年1024，写个博客纪念一下。分两步，cuda文章目录1. 安装cuda1.1 下载1.2 安装1.3 配置1.4 激活2. 复制cudnn2.1 下载并解压2.2 复制2.3 激活1. 安装cuda1.1 下载选择适合你的系统的版本下载链接：https://developer.nvidia.com/cuda-toolkit-archive...原创 2019-10-24 20:51:46 · 1222 阅读 · 0 评论 -
人脸活体检测简介
关键词：live detection、 Face Anti-Spoofing、 Presentation Attack1、简单介绍什么是活体检测，是指计算机判别检测的人脸是真实的人脸，还是伪造的人脸攻击，比如合法用户图片、提前拍摄的视频等。传统方法将其视为一个“活体”VS“假体”的二分类问题，当然也可看成多分类问题，如真人、图片攻击、视频回放攻击、面具攻击等）目前主要研究机构：OULU大...原创 2018-12-31 20:39:37 · 13529 阅读 · 3 评论 -
【人体行为识别】Reversing Two-Stream Networks with Decoding Discrepancy Penalty for Robust Action Recogniton
论文链接：https://arxiv.org/pdf/1811.08362.pdf这篇论文讨论的是行为识别中的鲁棒性和泛化能力。论文简要0、摘要作者认为，对乱序的帧序列和多变的视频环境，目前的动作识别方法不够鲁棒性和泛化。造成这种问题的原因，作者认为，一是由于传统方法中有着不同输入的多流网络的决策差异问题，二是在交叉数据实验中，作者发现光流特征很难被迁移，这影响了two-stream网路...原创 2018-12-31 20:29:10 · 1360 阅读 · 4 评论 -
【活体检测】人脸活体检测、红外人脸数据集整理
此篇博客主要整理人脸活体检测的数据集。目前人脸活体攻击的方式主要有：照片打印、视频回放攻击、3D人脸面具等。因此数据集也是根据这些攻击方式制作的。一共整理了11个活体检测的数据集。此外还整理了6个红外人脸数据集。活体检测数据集红外数据：IDIAP：msspoof: Multispectral-Spoof Database1、NUAAhttp://parnec.nuaa.edu.cn/...原创 2018-12-22 17:52:34 · 23742 阅读 · 12 评论 -
denseflow视频截帧提取光流工具
本篇博客介绍如何安装denseflow工具，由https://github.com/yjxiong/dense_flow提供。这个工具可以对视频进行截帧，并计算光流保存到本地，使用了GPU编译的OpenCV，所以提取速度很快，后续可以用于行为动作识别中，例如two-stream网络、TSN等。1、简单介绍官方提供的安装方式很简单，如下，编译后就可以了，但往往不尽如人意，每次编译都会遇到各种...原创 2018-12-22 14:31:25 · 14443 阅读 · 37 评论 -
【Dlib】人脸检测、特征点检测、人脸对齐、人脸识别
本文是利用dlib库，进行人脸检测、特征点检测、人脸对齐。所有前提是假设已经安装了dlib。参考链接：1、http://developer.51cto.com/art/201801/564529.htm2、https://blog.youkuaiyun.com/ying86615791/article/details/712172733、1、准备工作1.1 安装dilb下载安装包安装或者pi...原创 2018-10-26 11:46:12 · 27832 阅读 · 12 评论 -
【人脸识别】A Discriminative Feature Learning Approach for Deep Face Recognition
一、理解1、核心思想2、论文效果3、总结二、原文翻译1、abstract卷积神经网络目前广泛应用于计算机视觉领域，明显地提高了state-of-the-art。在大多数可用的CNNs中，softmax损失函数被用作监督信号以训练深度模型。为了提高深度学习特征的判别能力，这篇论文为人脸识别任务提出一个新的监督信号，成为center loss。特别的，center loss同时学习每个类...原创 2018-10-24 20:55:33 · 833 阅读 · 0 评论 -
人脸相关数据集：人脸识别、人脸检测、人脸表情、人脸年龄等等等
参考链接：https://blog.youkuaiyun.com/chenriwei2/article/details/50631212https://www.cnblogs.com/ansang/p/8137413.html转载自以上两篇博客，如有侵权请告知删除。直接点击链接，稍后再整理文字内容复制过来...转载 2018-10-19 11:48:57 · 1509 阅读 · 0 评论 -
人脸识别常用的性能评价指标
参考链接：1、https://blog.youkuaiyun.com/blueblood7/article/details/418235932、https://blog.youkuaiyun.com/lijiao1181491631/article/details/54407830?utm_source=blogxgwz01、混淆矩阵预测预测正负实际正TPFN实际...原创 2018-10-19 11:29:30 · 21082 阅读 · 1 评论 -
基于深度学习的人脸识别综述
本文转载自https://xraft.github.io/2018/03/21/FaceRecognition/（作者：Caleb Ge (葛政)），如有侵权请告知删除。（下文中的“我”均为原文作者）另附有查找的其他参考链接：论文介绍方面链接：1、https://blog.youkuaiyun.com/fengbingchun/article/details/809046882、https://...转载 2018-10-18 21:05:33 · 12026 阅读 · 3 评论 -
YOLO v2 学习与研究
论文：YOLO9000：Better, Faster, Stronger论文链接：https://arxiv.org/abs/1612.08242工程链接：https://pjreddie.com/一、对比1、二、核心思想三、论文翻译原创 2018-10-16 22:56:52 · 439 阅读 · 0 评论 -
经典卷积神经网络总结：Inception v1\v2\v3\v4、ResNet、ResNext、DenseNet、SENet等
本文为总结今年来的卷积神经网络，主要按照时间线和方法类似程度的顺序总结。开篇先前说下概要，然后展开详细介绍，主要是在densenet、resnext、senet这三个网络上介绍，前面的一系列网络大概讲一下思想。1、时间轴 时间 团队 论文 2014.09 google Inception v1 2015.02 google Ince...原创 2018-08-21 22:35:29 · 17708 阅读 · 3 评论 -
轻量化神经网络模型总结：SqueezeNet、Xception、MobileNet、ShuffleNet
总结今年来的几个轻量化模型：SqueezeNet、Xception、MobileNet、ShuffleNet下面给出时间轴：2016.02 伯克利&斯坦福提出 SqueezeNet2016.10 google提出 Xception2017.04 google提出 MobileNet2017.07 face++提出 Shuffle...原创 2018-08-20 20:58:31 · 14149 阅读 · 1 评论 -
SSD 学习与研究
目标检测–SSD论文地址：https://arxiv.org/abs/1512.02325project：https://github.com/apache/incubator-mxnet/tree/master/example/ssd其他参考链接：一、对比二 、核心思想三、论文效果四、总结...原创 2018-08-08 22:50:32 · 1296 阅读 · 0 评论 -
BatchNormalization、LayerNormalization、InstanceNorm、GroupNorm、SwitchableNorm总结
本篇博客总结几种归一化办法，并给出相应计算公式和代码。1、综述1.1 论文链接1、Batch Normalizationhttps://arxiv.org/pdf/1502.03167.pdf2、Layer Normalizaitonhttps://arxiv.org/pdf/1607.06450v1.pdf3、Instance Normalizationh...原创 2018-07-13 21:10:39 · 128063 阅读 · 41 评论 -
细粒度图像分类--CVPR2017 & ICCV2017论文总结
CVPR20171、Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-Grained Image Recognition由于有区别性的区域定位和细粒度特征学习的挑战，识别细粒度类别很困难。已有的方法主要是独立地解决这些挑战，忽略了区域检测和细粒度特征学习是相互联系的事...原创 2018-07-06 20:22:10 · 23860 阅读 · 6 评论 -
yolo v1 学习与研究
Yolo:you only look once： unified and real-time object detection理解原文部分翻译摘要作者提出一个新的目标检测方法，yolo。先前的目标检测都是转化为分类问题来做，作者将目标检测重新使用回归，在空间上分割bounding box和类别预测概率。一个简单的神经网络预测的目标框和类别预测值可以在一次验证中直...原创 2018-07-03 08:52:56 · 997 阅读 · 1 评论 -
Faster RCNN 学习与研究
Faster RCNN一些术语翻译：region proposal：候选框region：proposal：bounding box：理解Faster rcnn第一次完成了目标检测的端到端训练，将region proposal 和 object detection结合到一起。在这以前，rcnn通过selective search等计算出region propo...原创 2018-07-01 16:40:12 · 5021 阅读 · 1 评论 -
目标检测数据集整理
本篇博客主要整理基于深度学习的目标检测所用的数据集，评价指标见上一篇博客。参考链接：1、链接12、链接23、链接31、Pascal VOC2、COCO原创 2018-06-02 22:13:28 · 54965 阅读 · 4 评论 -
目标检测的评价指标
本篇博客主要整理基于深度学习的目标检测所用的数据集，以及一些评价指标。先介绍评价指标，当然也适用于很多其他的任务；然后再介绍数据集。一、评价指标参考链接：1、参考12、参考23、参考34、参考41、准确率、精确率、召回率2、precision-recall曲线3、approximated average precision和interpola...原创 2018-05-30 22:56:28 · 6296 阅读 · 1 评论 -
基于深度学习的目标检测综述
一、综述二、演进三、总结四、参考文献原创 2018-05-29 21:54:02 · 5006 阅读 · 1 评论 -
【数据集】Kinetics-600 dataset介绍
最近在做行为识别，然后介绍一下目前种类多且数据量很大的行为数据集 Kinetics-600 dataset。参考链接：activityNet：http://activity-net.org/challenges/2018/index.htmlGitHub：https://github.com/activitynet/ActivityNetkinetics：https://dee...原创 2018-04-29 18:02:50 · 47107 阅读 · 12 评论 -
【ML&DL】logistics regression理解
以前有学过linear classification、linear regression和logistics regression，这次做一下总结，并主要推导一下交叉熵损失函数的由来和梯度下降法。一、概述开头先祭出林轩田老师讲义中的一张图PLA、Linear Regression到logistics regression的区别。误差函数由0/1误差演变为均方误差到交叉熵...原创 2018-03-17 12:30:06 · 2454 阅读 · 0 评论 -
【CNN】经典模型总结及Resnet理解
之前一直都是看，没有自己完整总结一遍，现在做一个简单的总结。并主要针对Resnet做一个介绍。主要参考于：http://blog.youkuaiyun.com/app_12062011/article/details/62886113https://www.zhihu.com/question/38499534一、Lenet第一个CNN，94年提出，98年在论文Gradient-Based Learning A原创 2018-03-17 10:48:42 · 10251 阅读 · 1 评论 -
【SVM】推算公式的由来
主要说明SVM是干什么用的，怎么来的，如何推导公式。 (其中有些公式没有严格打出来，比如矩阵W的转置，大家意会即可)。一、SVM怎么来的1、介绍PLAPLA是perceptron learning algorithm，主要处理线性可分的数据。比如二分类，pla做的就是找到空间中的一条线或超平面，能够将所有点正确分类。用权重w表示这个线或超平面。即sign(wx)=y过程是：首先给出初始化权重。原创 2018-03-12 10:45:56 · 1096 阅读 · 1 评论 -
【tensorflow】保存模型、再次加载模型等操作
由于经常要使用tensorflow进行网络训练，但是在用的时候每次都要把模型重新跑一遍，这样就比较麻烦；另外由于某些原因程序意外中断，也会导致训练结果拿不到，而保存中间训练过程的模型可以以便下次训练时继续使用。所以练习了tensorflow的save model和load model。参考于http://cv-tricks.com/tensorflow-tutorial/save-restore-t原创 2018-01-12 21:04:16 · 67943 阅读 · 24 评论 -
【Keras】使用Keras建立模型并训练等一系列操作
由于Keras是一种建立在已有深度学习框架上的二次框架，其使用起来非常方便，其后端实现有两种方法，theano和tensorflow。由于自己平时用tensorflow，所以选择后端用tensorflow的Keras，代码写起来更加方便。1、建立模型Keras分为两种不同的建模方式，Sequential models：这种方法用于实现一些简单的模型。你只需要向一些存在的模型中添加层就行了。Fun原创 2018-01-10 20:48:09 · 21484 阅读 · 4 评论 -
【数据集整理】人体行为识别和图像识别
一共12个人体行为识别的数据集，基于视频的；6个图像识别的，有关物体识别、行人识别、年龄识别和人头检测的，基于图像，图像识别数据集参考于博客：http://blog.youkuaiyun.com/qq_14845119/article/details/51913171后续可能还会补充。视频识别1、Weizmann内容：1、10个类别，每个类别9个视频，背景单一。 2、180x144下载链接： http://原创 2017-12-25 10:05:27 · 39055 阅读 · 24 评论 -
【论文学习】Two-Stream总结
最近研究two stream网络，顺便整理一下， 未完待续 2017/12/081、14年Two-stream convolutional networks for action recognition in videos首次提出two stream网络，主要分为两个流，空间流处理静止图像帧，得到形状信息，时间流处理连续多帧稠密光流，得到运动信息。两个流最后经过softmax后，做分类分数的融合原创 2017-12-08 11:27:25 · 16343 阅读 · 1 评论 -
【论文学习】Abnormal behavior recognition for intelligent video surveillance systems: A review
Abnormal behavior recognition for intelligent video surveillance systems: A review原文地址Mabrouk A B, Zagrouba E. Abnormal behavior recognition for intelligent video surveillance systems : a review[J]. Ex翻译 2017-11-29 20:04:42 · 2632 阅读 · 0 评论 -
【论文学习】Two-Stream Convolutional Networks for Action Recognition in Videos
Two-Stream Convolutional Networks for Action Recognition in Videos原文地址粗略翻译摘要：我们研究了视频中用于训练动作识别的深度卷积网络的架构。这个挑战是捕捉静止帧中的外表和连续帧间中的运动之间的互补信息。我们也志在推广在数据驱动的学习框架中表现最好的手工特征。一共做出了3个贡献：首先，提出了一个two-stream卷积网络架构，这个架翻译 2017-10-28 17:50:30 · 7686 阅读 · 0 评论 -
【tensorflow】Input to reshape is a tensor with xxx values, but the requested shape requires a multipl
今天写了一个简单的3DCNN，结果在跑的时候出现一个问题，tensorflow.python.framework.errors.InvalidArgumentError: Input to reshape is a tensor with xxx values, but the requested shape requires a multiple of xxx values好气！！错...原创 2017-10-15 15:38:56 · 21185 阅读 · 11 评论 -
【论文学习】Large-scale Video Classification with Convolutional Neural Networks
Large-scale Video Classification with Convolutional Neural Networks原文地址粗略翻译摘要：卷积神经网络（CNN）是图像识别问题上一个非常强大的模型。受到这些结果的鼓舞，我们在大范围的视频分类中提供了广泛的实例评估，我们使用的数据集是100万个、属于487的类别的YouTube视频。为了利用局部时空信息，我们学习了多种方法来扩展CNN在翻译 2017-09-29 15:29:34 · 5393 阅读 · 0 评论 -
【论文学习】3D Convolutional Neural Networks for Human Action Recognition
3D Convolutional Neural Networks for Human Action Recognition原文链接摘要我们考虑的是在不受控制的环境下全自动动作识别。大多数现存的工作依赖于其专业知识从输入中构建复杂的人工特征。而且环境通常假定为可控的。卷积神经网络是一种深度模型，它可以直接作用在原始输入上，因此其特征构建是自动的。然而，这种模型目前仅限制于处理2D模型。在这篇文章中，我翻译 2017-09-22 19:31:14 · 12819 阅读 · 9 评论 -
TensorFlow学习笔记14----Convolutional Neural Networks
原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。Convolutional Neural Networks1、Overview1.1 Goals1.2 Highlights of the Tutorial1.3 Model Architecture2、Code Organization3、CIFAR-10 Model3.1 Model Inputs3.2 Model Pre原创 2017-07-06 17:10:36 · 571 阅读 · 0 评论 -
TensorFlow学习笔记13----TensorFlow Serving
原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。TensorFlow Serving——这一部分最后再来看。先放着。1、介绍tensorflow服务器对于机器学习模型来说，是一个灵活的、高效能的服务系统，用来设计生产环境。tensorflow服务器保证相同的服务器架构和API，使得开发新的算法和实验变得容易。2、Basic Serving Tutorialbasic tut原创 2017-07-06 16:34:38 · 6198 阅读 · 0 评论 -
生成对抗网络学习笔记5----DCGAN（unsupervised representation learning with deep convolutional generative adv）的实现
首先是各种参考博客、链接等，表示感谢。1、参考博客1：地址——以下，开始正文。2017/12/12 更新 解决训练不收敛的问题。更新在最后面部分。1、DCGAN的简单总结稳定的深度卷积GAN 架构指南:所有的pooling层使用步幅卷积(判别网络)和微步幅度卷积(生成网络)进行替换。在生成网络和判别网络上使用批处理规范化。对于更深的架构移除全连接隐藏层。在生成网络的所有层上使用RelU激活函原创 2017-07-05 21:49:19 · 52469 阅读 · 181 评论 -
生成对抗网络学习笔记4----GAN（Generative Adversarial Nets）的实现
首先是各种参考博客、链接等，表示感谢。1、参考博客1：地址 2、参考博客2：地址——以下，开始正文。1、GAN的简单总结见上一篇博客。2、利用GAN生成1维正态分布首先，我们创建“真实”数据分布，一个简单的高斯分布，均值为4，标准差为0.5,。还有一个样本函数，返回分布中给定数量的样本（按值排序过）。class DataDistribution(object): def __init__(原创 2017-06-30 11:38:37 · 2780 阅读 · 8 评论 -
生成对抗网络学习笔记3----论文unsupervised representation learning with deep convolutional generative adversarial
论文原文：地址论文译文：地址1、阅读论文Radford A, Metz L, Chintala S. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks[J]. Computer Science, 2015.2、翻译论文摘要近年来，使用卷积神经网络的监督学习被大量应用原创 2017-06-20 16:45:16 · 33361 阅读 · 7 评论 -
生成对抗网络学习笔记2----GANs（Generative Adversarial Nets）总结
原文地址：GANs翻译地址：生成对抗网络此文是对论文Generative Adversarial Nets读后的一个总结。参考博客1：地址 参考博客2：地址 参考新闻3：地址 参考Twitter4：地址1、简单总结GAN是一个极大极小博弈问题，网络中分为两个模型，一个生成模型G，作为生成器，用来生成与真实数据x极为相似的含有噪音z的数据；一个判别模型D，作为判别器，用来判别数据中哪些是真实数据原创 2017-06-20 11:43:47 · 8250 阅读 · 0 评论