- 博客(10)
- 收藏
- 关注
RSS订阅原创 fastreid训练、测试、模型转换（pth转onnx、onnx转rknn）
在fast-reid目录下的MODEL_ZOO.md里有预训练模型的下载路径,需下载,我使用的是BoTh(R50)对应的model,下载完成后放到。01 表示c1s1_000151这一帧上的第1个检测框，由于采用DPM检测器，对于每一帧上的行人可能会出现好几个bbox。一般使用bounding_box_test和bounding_box_train和query来进行训练和测试。第一例是按照相似度进行rank排列的结果，包含了正确的和错误的，下面一列表示预测正确的结果。
2024-07-03 17:50:34
2348
17
原创 图像篡改检测之约束R-CNN方法
针对操纵技术分类问题，设计了基于约束的卷积层的可学习操作特征提取器（LMFE），直接从数据中产生各种内容操作的统一的特征表示。针对篡改区域分割问题，设计了一个两阶段的架构来模拟现实中从粗到细的取证过程。一阶段：设计了注意区域建议网络（RPN-A），以识别经过篡改的区域，用于后面的操作技术分类以及粗略的定位。跳跃结构融合低级与高级的信息，增强了全局特征表示。来自第一阶段的边框信息（bounding box information）将指导第二阶段关注边框中的局部特征，用于最后的篡改区域分割。二阶段。
2024-06-11 17:43:39
1790
2
原创 图像篡改检测之融合LSTM和编码器方法
具有重采样特征的LSTM网络：第一部分，将图像分割成小块。对于每个patch，提取了重采样特征。对于提取的重采样特征，使用Hilbert曲线(在第3节中讨论)来确定输入LSTM细胞的patch的顺序。让LSTM单元在频域中学习操纵和非操纵块之间的转换。最后，从LSTM单元输出生成特征映射，并将其与编码器的特征映射相结合。卷积编码器网络：第二部分，编码器由残差块、批归一化和激活函数组成。在每个残差块上，用快捷连接方式进行两次卷积。对每个残差单元进行最大池化操作，实现平移不变性。
2024-06-11 17:27:01
1127
1
原创 图像篡改检测的发展
从狭义上讲，深度伪造(源于“深度学习”和“伪造”)是指将目标人物的面部图像叠加到源人物的视频上，从而制作出目标人物做或说源人物做的事情的视频。
2024-06-11 17:17:12
2552
5
原创 undefined reference to symbol xx@@GLIBC_2.2.5
我在编译A库的时候依赖了其他的B静态库，出现此问题，当A库编译为静态库时无报错，当A库编译为动态库时报错。
2024-03-13 09:49:27
737
原创 TensorFlow
它采用数据流图来表示计算，在图中，节点表示操作，边表示数据的流动。（Tensor）：TensorFlow 的核心概念，表示任意维度的数组。（Variable）：在 TensorFlow 中用于存储模型参数的张量。：使用循环神经网络（RNN）训练模型，实现文本分类、语言翻译、语音识别等任务。：使用卷积神经网络（CNN）训练模型，实现图像分类、物体检测等任务。：使用强化学习算法和神经网络训练模型，实现智能游戏、自主导航等任务。：使用深度神经网络（DNN）训练模型，实现推荐算法和个性化服务。
2023-09-05 16:09:13
236
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人