qq_43260356的博客

1.前言2.预处理3.后处理4.项目总结正文：1.前言总结一下，目前为止做了什么：在前面几篇博文中，对数据进行了处理、搭建了神经网络、训练了神经网络并进行了测试。在实际使用中，因为检测的图片可能是整个人的图像，所以需要从这些图像中框出人脸的位置，这也是这个项目的目的。由于神经网络只能对一张含有人脸或者非人脸的图片进行判断，所以在检测一张图片时，需要先进行预处理。一张图片进行预处理以及神经网络的判断输出后，可能会有很多个结果，所以还要进行后处理，找出最优解。2.预处理滑动窗口由于一张图片

1.数据集验证神经网络2.图片验证神经网络3.说明正文：1.数据集验证神经网络上一篇博文已经训练好了神经网络模型，下面就要利用训练好的模型进行验证。由于WIDER FACE数据的集的测试集仅提供了图片，没有给标签，所有这里使用FDDB数据集对WIDER FACE数据基训练的模型进行准确率测试，当然也可以用其他的数据进行评估。首先是加载数据程序，这个程序是对博文6中进行修改的，增加了FDDB数据集选项。def get_image_arrary(image_h, image_w, image_c,

1.神经网络训练的要素2.tensorflow实现神经网络的训练框架搭建3.训练好的模型分享正文：1.神经网络训练的要素要训练一个神经网络，使得训练好的神经网络可以对输入进行预测，需要指定各种参数指标。争对不同的问题，所选择的参数指标是不同的，这里把要素分为下面几个部分。激活函数损失函数优化算法学习率防止过拟合模型保存和参数可视化激活函数在神经网络的搭建的时候，在全连接层和卷积层的最后输出经过一个激活函数。激活函数分为线性激活函数和非线性激活函数，常用的是非线性激活函数。非

1.数据存储与加载方式2.数据的存储3.数据的加载正文：1.数据存储与加载方式这里将数据的存储与加载方式分为两种，一种是在tensorflow框架中，提供的统一格式——TFRecord。另外一种是直接利用数组的形式进行存储与加载。TFRecord数组2.数据的存储1）TFRecordTFRecord是一种文件的存储格式，通过将数据按照一定的格式生成 .tfrecords文件进行储存。 关键步骤如下。读取图片（三维）/标签→ 存储为四维数组/二维数组 → 将数组存为.tfrecor

1.神经网络的基本组成部分2.tensorflow实现神经网络的框架搭建3.两个经典的神经网络实例正文：1.神经网络的基本组成部分一个典型的卷积神经网络一般由全连接层、卷积层和池化层组成。全连接层是层与层之间所有神经元节点都两两相互连接，所以重要的参数只有两个，输入节点个数和输出节点个数。卷积层的层与层之间的神经元节点是采用部分连接的方式，采用块状的连接方式（这个块状叫过滤器）,其需要定义的参数有输入以及输入的深度过滤器尺寸输出深度（过滤器深度）过滤的移动步长池化层的连接方式

1.为什么要有标签2.标签生成3.处理好的数据标签分享正文：1.为什么要有标签获取了数据以后，虽然已经有了数据，但是对于监督型的训练学习任务而言，还需要有标签，标签就是正确答案（在人脸检测中即人脸/非人脸的标签）。利用正确答案可以做以下两件事。计算损失函数的损失值计算正确率、召回率等性能指标2.标签生成对于分类任务，通常用独热编码来表示标签。比如说，对于手写数字识别任务，用下面表示，即利用数组数字1的所在下标位来区分。正确答案独热编码0[1，0，0，0，0，0，

目录：1.官网的数据解释2.处理数据3.处理好的数据分享正文：1.官网数据解释与FDDB数据集一样，WIDER FACE数据集的官网上也向我们提供了人脸检测图片数据集，不同的是，WIDER FACE数据集还将图片分为了训练、验证和测试数据集，不需要自己分了。不过，测试数据集是没有人脸标注的。下面是WIDER FACE数据集的标注格式。0–Parade/0_Parade_marchingband_1_849.jpg1449 330 122 149 0 0 0 0 0 0与FDDB数据集

目录：1.官网的数据解释2.处理数据3.处理好的数据分享正文：1.官网数据解释FDDB数据集官网提供了数据以及数据的标注，下面是其中一张图片的标注。2002/08/26/big/img_265367.363819 44.511485 -1.476417 105.249970 87.209036 141.936870 27.064477 1.471906 184.070915 129.345601 170.993052 43.355200 1.370217 340.894300 1

前沿：本项目通过神经网络来实现实现人脸检测，实现的平台是tensorflow,实现的语言的python语言，下面是整体的项目介绍。1.数据预处理[]: FDDB数据集人脸/非人脸数据获取[]: WIDER FACE数据集人脸/非人脸数据获取...