DRML（2016-CVPR）重现过程记录---（6）新的尝试与思考-tensorflow?

最新推荐文章于 2022-03-19 13:03:08 发布
原创 最新推荐文章于 2022-03-19 13:03:08 发布 · 928 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了使用不同框架实现DRML的可能性，通过分析GitHub上的资源，发现了针对Caffe及TensorFlow版本的DRML实现案例，并考虑尝试使用TensorFlow进行复现。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

因为没有找到caffe版本的DRML究竟有什么问题导致始终做不出来，我在github上翻作者提供的代码块时发现一些别人重现这份工作的代码。


其中如https://github.com/ejulio/DRML，是修改DRML代码使之适应新的caffe版本


机智的zjp同学直接上github搜索drml，又有了新的发现，有人用tensorflow重现过DRML的工作。譬如：https://github.com/PranjalSahu/DRML，对方直接给出了下面这种图片，所以猜测别人是成功实现了得。


下面的想法是，能不能使用tensorflow试着复现DRML的工作？


【多目标跟踪】FairMOT复现 (CVPR2020)
聿默的博客
06-16 9079
0.环境 ubuntu16.04 cuda9.0 python3.6 torch==1.1.0 torchvision==0.3.0 Cython #(install first) yacs opencv-python cython-bbox scipy numba progress motmetrics numba matplotlib lap openpyxl Pillow==6.2.2 tensorboardX https://download.pytorch.org/whl/cu90/tor
DRML（2016-CVPR）重现过程记录---（1）caffe+DRML源码编译
程序媛
05-03 1821
Deep Region and Multi-label Learning for Facial Action Unit Detection 文章（2016，CVPR）重现过程记录
DRML（2016-CVPR）重现过程记录---（3）训练模型
程序媛
05-03 952
1，准备图片均值二进制文件（利用caffe自带create_imagenet.sh和 make_imagenet_mean.sh 即可）   由于caffe本身只支持单标签分类（而分类或多分类），所以临时随便写一个二分类的，用caffe自带工具生成二进制均值文件 最后生成mean.binaryproto 2，准备prototxt文件 作者提供了DRML.protot
DRML（2016-CVPR）重现过程记录---（5）问题定位_1
程序媛
05-05 1083
大师姐的建议： 1，把自己生成好的模型参数打印出来，并查看数字是否有异常； 2，重新阅读文章，把逻辑关系理清楚，再对代码进行调试查看。 感谢张君鹏同学的帮助，加快了问题定位的进度。 solver.prototxt的最后增加debug_info: true，使之打印出训练时具体的数据信息。 不知道这里是否有异常，看不懂。 编译pycaffe：进入caffe根目
DRML（2016-CVPR）重现过程记录---（4）问题与反思
程序媛
05-04 1711
我目前自己做的这个DRML没有达到作者说的效果，这篇博文记录我现在的结果和一些思考。 目前训练的结果是，整个模型震荡十分严重，训练和测试的loss曲线如下图所示 这让我很不能理解。 反思可能的问题： 1，训练集与测试集的选取问题 Disfa plus数据集一共有9个人的视频，我选择最后2人的作为测试集，前面7人的作为训练集。 会不会可能是这样的呢
BasicVSR(CVPR2021)复现过程
weixin_42130300的博客
05-10 9878
BasicVSR（CVPR2021）复现
DRML（2016-CVPR）重现过程记录---（9）问题解决与最终结果
程序媛
06-14 2521
之前谈到的现象是单个AU用lmdb和softmax可以正常训练，而采用了multi-label数据输入和multi-sigmoid loss函数层却不能正常训练，后来张君鹏帮我检查，发现是因为输入的数据没有shuffle。后来我发现这个错误刘琳学姐也犯了，大概新入门caffe的人在第一次修改输入层时可能容易犯这个错误。因为一般我们用lmdb时会在命令中添加shuffle，但是新的层一般是不会自动设...
深度学习三维重建 R-MVSNet-CVPR-2019（源码、原文+译文）
08-21
深度学习三维重建 R-MVSNet——CVPR-2019（源码、原文+译文） 深度学习三维重建 R-MVSNet——CVPR-2019（源码、原文+译文） 深度学习三维重建 R-MVSNet——CVPR-2019（源码、原文+译文） 深度学习三维重建 R-MVSNet...
DRML（2016-CVPR）重现过程记录---（2）数据预处理
程序媛
05-03 1745
根据文章中的介绍：输入的图片大小是200*200的对齐后的人脸，作者设计的网络会自动把200*200的随机选择170*170作为网络训练输入。 这里我用Disfa-plus数据集的五万多张图片做预处理，进行测试 Disfa-plus中有9个人的共57668张图片，其中有AU的有32875张，没有AU的有24793张图片 Disfa-plus提供了类似上述的图片，数据集提供方在Face
深度学习 三维重建 UCS-Net-CVPR-2020 （源码、原文+译文）
最新发布
08-22
深度学习 三维重建 UCS-Net——CVPR-2020 （源码、原文+译文） 深度学习 三维重建 UCS-Net——CVPR-2020 （源码、原文+译文） 深度学习 三维重建 UCS-Net——CVPR-2020 （源码、原文+译文） 深度学习 三维重建 UCS-...
【行为检测】G-TAD复现（CVPR 2020）
聿默的博客
01-27 1118
代码参考： https://github.com/Frostinassiky/gtad 论文参考： https://arxiv.org/pdf/1911.11462.pdf 1.环境 ubuntu16.04 cuda9.0 python3.6 torch==1.1.0 安装 cd gtad_lib python setup.py install python align.py
Deep Residual Network实验复现
Mr. Mao的专栏
08-07 2543
本文是对ImageNet 2015的冠军ResNet(Deep Residual Networks)以及目前围绕ResNet这个工作研究者后续所发论文的总结，主要涉及到下面5篇论文。 1. Link: Highway Networks: Rupesh Kumar Srivastava, Klaus Greff, Jürgen Schmidhuber 2. Link: Deep
tensorflow—— bug记录
ling00007的博客
03-29 246
1、initialize_all_variables已被弃用。 说明更新：使用tf.global_variables_initializer代替，写了 init = tf.global_variables_initializer()后不会执行，要在session里加上sess.run(init)后才会执行。 2、Only call sparse_softmax_cross_entropy_wi...
CVPR论文复现争议后续：华人一作苦战两月给出有态度的分析结果
walden的博客
12-11 1096
第一部分：Michael Klachko 实现中的不一致 优化方法不同：MK 用的是 SGD，我们的实现用的是 Adam。 加性噪声（additive noise）的级别不同：MK 用的是 0.5，我们用的是 0.1。 学习率不同：MK 用的是 1e-3，我们用的是 1e-4。 学习率调度不同。 Conv-BN-ReLU 模块顺序不同。 使用的 dropout 不同，MK 用的是 0....
DRML（2016-CVPR）重现过程记录---（7）问题定位_2
程序媛
05-09 1084
  1, 排除一部分可能性    DRML作者除了他们算法DRML的prototxt以外，还提供了做实验用的AlexNet,ConvNet的prototxt文件。于是，我们直接用AlexNet.prototxt来训练（注意要打开调试开关），打印训练时的网络数据，发现训练基本趋势正常。我们猜测：作者的多标签输入层和loss层，以及我们的数据处理部分，应该基本没有问题。那么为什么采用DRML.p...
DRML（2016-CVPR）重现过程记录---（10）代码上传
程序媛
08-19 1965
最近老板让新来的同学做做这个实验练手劲儿。。。 我整理了一下，把代码上传到github了，如果有同学自己实在是搞不定，可以参考一下我的。。。   链接：https://github.com/huqiaoping/drml   代码使用说明 1，先下载caffe并编译通过：https://github.com/BVLC/caffe 2，下载我的代码：https://github.com...
模型难复现不一定是作者的错，最新研究发现模型架构要背锅丨CVPR 2022
量子位
03-19 262
丰色 发自 凹非寺量子位 | 公众号 QbitAI在不同初始化条件下，同一神经网络经过两次训练可以得到相同的结果吗？CVPR 2022的一篇研究通过将决策边界（Decision Boun...
干货福利：CVPR2016代码合集
maweifei的博客
12-01 4794
DoReFa-Net: Training Low Bitwidth Convolutional Neural Networks with Low Bitwidth Gradients：https://github.com/ppwwyyxx/tensorpack/tree/master/examples/DoReFa-Net Code for Stacked attention network
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值