philipwelia的博客

3DMM(人脸3D形变统计模型)1 3DMM方法介绍3DMM是一种较为基础的三维人脸统计模型，最早被提出是用于解决从二维人脸图像恢复三维形状的问题。在3DMM方法发展的二十年来，各位学者对其进行了数据扩展和深入研究，又由于神经网络广泛使用，使得3DMM参数优化得到简化，基于3DMM方法的三维重建文章层出不穷。但此类方法基于一组人脸形状和纹理的统计模型来表示任意一张人脸，仍然存在重建人脸判别性...

目标检测中数据增强的方法——mixup：针对小样本在样本量不足的情况下，我们通常会采用mixup或者填鸭式的方法来进行数据增强。其中mixup是将正负样本融合成新的一组样本，使得样本量翻倍。填鸭式是将原本样本里的目标抠出来，随机复制粘贴到其他地方。（个人理解）一下是mixup方法的代码示例import cv2import osimport randomimport numpy as n...

在样本量不足的情况下，我们通常会采用mixup或者填鸭式的方法来进行数据增强。其中mixup是将正负样本融合成新的一组样本，使得样本量翻倍。填鸭式是将原本样本里的目标抠出来，随机复制粘贴到其他地方。（）...

1.常用指标1）每个检测物体的分类准确度；2）预测框与真实框的重合度（IOU）：如果设定IOU的阈值为0.5，当一个预测框与一个真实框的IOU值大于该阈值时，被判定为真阳（TP），反之被判定为假阳（FP）3）模型是否找到图片中的所有物体（召回，recall）：如存在某些模型没有预测出的真实框称之为假阴（FN）。4）综合得到mAP：在PascalVOC中，mAP是各类别AP的平均，preci...

Eg：backbone、IoU、损失函数、NMS、anchor、one shot learning/zero shot learning等。1.基于目标检测的backbone和特征提取目标检测的backbone一般基于ImageNet预训练的图像分类网络。图像分类问题只关注分类和感受视野，不用关注物体定位，但是目标检测领域同时很关注空间信息。如果**下采样过多，会导致最后的feature ma...

国内计算机视觉CV方向的大牛/导师李航：http://research.microsoft.com/en-us/people/hangli/是MSRA Web Search and Mining Group高级研究员和主管，主要研究领域是信息检索，自然语言处理和统计学习。近年来，主要与人合作使用机器学习方法对信息检索中排序，相关性等问题的研究。曾在人大听过一场他的讲座，对实际应用的问题抽象，转...