使用TensorFlow实现TCDCN

最新推荐文章于 2024-06-24 09:31:25 发布

原创

最新推荐文章于 2024-06-24 09:31:25 发布 · 4.1k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #计算机视觉

本文介绍如何使用TensorFlow实现TCDCN网络，用于面部地标检测。代码已上传至GitHub，网络结构遵循论文，包括卷积层、全连接层及多任务学习。训练结果与原文存在差距，可能因数据预处理和超参数选择等因素影响。

本文使用TensorFlow实现了TCDCN网络结构，关于TCDCN可以阅读我的另一篇博客《Facial Landmark Detection by Deep Multi-task Learning》论文解读。

代码地址

GitHub上代码地址：

https://github.com/flyingzhao/tfTCDCN

代码解析

MainNet.py定义了网络的结构。

网络结构

在网络结构的定义中，首先模仿官方教程中封装变量初始化操作、卷积操作和池化操作。

def weight_variable(shape):  #权重
    initial = tf.truncated_normal(shape, stddev=0.1)
    return tf.Variable(initial)


def bias_variable(shape):  #偏置
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)


def conv2d(x, W):   #卷积
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='VALID')


def max_pool_2x2(x):  #池化
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                          strides=[1,