- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【论文汇总】最新的三维人脸重建相关方法汇总（沾点边的都算）
我目前重心放在单纯的重建上，不包括渲染，所以我看论文的重点都在重建方法上，别的可能就略过了 有别的好的文章可以留言推荐我一下❤ CVPR2021 1.High-fidelity Face Tracking for AR/VR via Deep Lighting Adaptation 核心是光照渲染，重建方法用的是DAM（Deep appearance models for face rendering.） 算了算了，数据要求苛刻，且不开源... 2.别的还没有放出来，再等等... ..
2021-05-07 23:00:56
2250
1
转载 Caffe代码解读(七):其他常用层及参数
转自:http://www.cnblogs.com/denny402/p/5072746.html 本文讲解一些其它的常用层，包括：softmax_loss层，Inner Product层，accuracy层，reshape层和dropout层及其它们的参数配置。 1、softmax-loss softmax-loss层和softmax层计算大致是相同的。softmax是一个
2016-11-05 05:07:23
569
转载 Caffe代码解读(六):视觉层(Vision Layers)及参数
转自:http://www.cnblogs.com/denny402/p/5071126.html 本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。 1、Convolution层： 就是卷积层，是卷积神经网络（CNN）的核心层。
2016-11-05 04:04:49
752
转载 Caffe代码解读(五):数据层及参数
转自:http://www.cnblogs.com/denny402/p/5070928.html 要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。 层有
2016-11-05 03:59:10
1872
原创 Caffe代码解读(四):solver_param
这是ssd_pascal.py中的一段代码,因为在读ssd的代码,所以贴的这一段,一般别的solver param也差不多...... solver_param = { # Train parameters //base_lr:网络的基础学习速率,一般设一个很小的值,然后根据迭代到不同次数,对学习速率做相应的变化.lr过大不会收敛,过小收敛过慢 'base_
2016-11-05 02:42:24
7215
1
原创 Caffe代码解读(二):base_data_layer.hpp
#ifndef CAFFE_DATA_LAYERS_HPP_ #define CAFFE_DATA_LAYERS_HPP_ #include #include "caffe/blob.hpp" #include "caffe/data_transformer.hpp" #include "caffe/internal_thread.hpp" #include "caffe/layer.hpp
2016-11-03 02:42:37
1077
原创 Caffe代码解读(三):annotated_data_layer.hpp和.cpp
这其实不算caffe的,是caffe-ssd的代码,因为最近要用到,所以提前看了...... #ifdef USE_OPENCV #include #endif // USE_OPENCV #include #include #include #include #include "caffe/data_transformer.hpp" #include "caffe/layers
2016-11-03 01:31:32
6442
原创 Caffe代码解读(一):blob.hpp
Blob是一个模板类,声明在include/caffe/blob.hpp中,封装了SyncedMemory类. #ifndef CAFFE_BLOB_HPP_ #define CAFFE_BLOB_HPP_ #include #include #include #include "caffe/common.hpp" #include "caffe/proto/caff
2016-11-02 17:44:42
781
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人