Peanut_范-优快云博客

原创 PyTorch学习：对比CV2和PyTorch的预处理

验证预处理一致性import osimport cv2import numpy as npimport PILimport torchfrom PIL import Imageimport torchvision.transforms as transformsclass RGBToBGR(): def __call__(self, im): assert im.mode == 'RGB' r, g, b = [im.getchannel(i)

2021-11-26 16:51:00 1971 4

原创标注工具——VGG Image Annotator (VIA)

VGG Image Annotator (VIA)VGG Image Annotator (VIA)是一款开源的图像标注工具，由Visual Geometry Group开发。地址： http://www.robots.ox.ac.uk/~vgg/software/via/。1.打开网址，选择source code进行下载：下载后，解压via-src-2.0.7.zip2.工具使用：1）点击via.html，打开在线标注页面。2）点击Add Files或者Add URL，添加图片。A

2021-08-30 09:23:38 8845 1

转载基于DCT算法的图像模糊检测

文章目录基于DCT算法的图像模糊检测1.离散余弦变换DCT2.基于离散余弦变换DCT来估计图像模糊度的图像质量评价算法总结基于DCT算法的图像模糊检测转载： https://yinguobing.com/dct-blur-image/github链接： https://github.com/yinguobing/image_utility论文名称：《Blur determination in the compressed domain using DCT information》论文链接： h

2021-08-08 16:26:00 2283

转载基于改进SSIM算法的图像清晰度识别

文章目录基于改进SSIM算法的图像清晰度识别1. SSIM算法流程2. SSIM算法实现2.读入数据总结基于改进SSIM算法的图像清晰度识别转载：　https://www.heywhale.com/mw/project/5f2f9ac4af3980002cb4cb87SSIM（structural similarity）　是一种用来衡量图片相似度的指标，也可用来判断图片压缩后的质量。SSIM由亮度对比、对比度对比、结构对比三部分组成。在改进SSIM中，作者使用信息熵的方法来对清晰度进行计算。该.

2021-08-08 16:11:42 1638 1

原创调研：AI货架识别

综上，为

2021-08-08 15:37:49 334

原创 Socket报错：BlockingIOError和greenlet.error

报错： BlockingIOError: [Errno 11] Resource temporarily unavailable greenlet.error: cannot switch to a different threadException in thread Thread-1:Traceback (most recent call last): File "/root/miniconda3/envs/fancp/lib/python3.6/site-packages/gevent

2021-07-29 14:28:15 930

原创 Win10 RTX30系列安装tensorflow1.15

Win10 RTX30系列安装tensorflow1.151.遇到的问题：直接PiP安装，能够安装完成。pip install tensorflow-gpu==1.15并且测试TF的版本和显卡是否正确，也都正常。import tensorflow as tfprint(tf.__version__)print(tf.test.is_gpu_available())但是：训练会卡住，也不报错，就卡着。遂安装失败。2.最近发现了一个知乎大神的版本废话不多说，上链接： http

2021-07-24 15:43:02 5141 7

原创 Python进程池报错TypeError: can‘t pickle cv2.dnn_Net objects

Python进程池报错Traceback (most recent call last): File "data_pool2.py", line 86, in <module> processData1() File "data_pool2.py", line 75, in processData1 print('res:',res[0].get().shape,len(res)) File "D:\python_fancp\Anaconda3.7\lib\mult

2021-07-17 22:32:44 2134

原创 python进程池Pool

需求：多进程，加快程序运行。#示例1from multiprocessing import Pool, TimeoutErrorfrom multiprocessing import cpu_countimport timeimport osdef f(x): time.sleep(1) return [x*x, x*x], x,'success'if __name__ == '__main__': # start 4 worker processes

2021-07-17 22:19:57 436

原创多个进程启动flask服务

需求：在不同的进程中分别启动flask服务，或将其部署到不同的端口号上。# 导入flask类import flaskimport multiprocessing as mpimport time# 创建Flask实例，接收参数__name__表示当前文件名，默认会自动指定静态文件staticapp1 = flask.Flask(__name__)app2 = flask.Flask(__name__)app3 = flask.Flask(__name__)# app1@app1

2021-07-17 22:02:07 3003

原创 PyTorch学习（10）:训练技巧

PyTorch学习（10）:训练技巧Pytorch官方文档： https://pytorch-cn.readthedocs.io/zh/latest/参考： https://efficientdl.com/faster-deep-learning-in-pytorch-a-guide/ https://www.reddit.com/r/MachineLearning/comments/n9fti7/d_a_few_helpful_pytorch_tips _examples_included

2021-06-28 22:26:02 401 1

原创 PyTorch学习（9）:实战

PyTorch学习（9）:实战Pytorch官方文档： https://pytorch-cn.readthedocs.io/zh/latest/Pytorch学习文档： https://github.com/tensor-yu/PyTorch_TutorialPytorch模型库： https://github.com/pytorch/vision/tree/master/torchvision/models文章目录PyTorch学习（9）:实战前言1.ShuffleNet系列（1）数据处理（2

2021-06-28 22:16:04 285 1

原创 PyTorch学习（8）:模型保存和加载

PyTorch学习（8）:模型保存和加载Pytorch官方文档： https://pytorch-cn.readthedocs.io/zh/latest/Pytorch学习文档： https://github.com/tensor-yu/PyTorch_Tutorial参考： https://mp.weixin.qq.com/s/iYuMcbnJqVUMDMvwDEPs6Q https://www.dtmao.cc/news_show_329038.shtml文章目录PyTorch学习（

2021-06-28 22:01:24 1316 2

原创 PyTorch学习（7）:学习率

PyTorch学习（7）:学习率Pytorch官方文档： https://pytorch-cn.readthedocs.io/zh/latest/Pytorch学习文档： https://github.com/tensor-yu/PyTorch_Tutorial参考： https://pytorch.org/docs/stable/optim.html?highlight=lr_scheduler https://blog.youkuaiyun.com/u011995719/article/detail

2021-06-28 21:27:53 998

原创 PyTorch学习（6）:优化算法

PyTorch学习（6）:优化算法Pytorch官方文档： https://pytorch-cn.readthedocs.io/zh/latest/Pytorch学习文档： https://github.com/tensor-yu/PyTorch_Tutorial参考： https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch-optim/#optimizer https://zhuanlan.zhihu.com

2021-06-27 22:58:18 432

原创 PyTorch学习（5）:损失函数

PyTorch学习（5）:损失函数Pytorch官方文档： https://pytorch-cn.readthedocs.io/zh/latest/Pytorch学习文档： https://github.com/tensor-yu/PyTorch_Tutorial参考： https://pytorch.org/docs/stable/nn.html https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch-nn/

2021-06-27 20:28:49 3267 1

原创 PyTorch学习（4）:模型

PyTorch学习（4）:模型Pytorch官方文档： https://pytorch-cn.readthedocs.io/zh/latest/Pytorch学习文档： https://github.com/tensor-yu/PyTorch_TutorialPytorch模型库： https://github.com/pytorch/vision/tree/master/torchvision/models参考： https://zhuanlan.zhihu.com/p/27401516

2021-06-27 20:05:50 391

原创 PyTorch学习（3）:数据预处理

PyTorch学习（3）:数据预处理Pytorch官方文档： https://pytorch-cn.readthedocs.io/zh/latest/Pytorch学习文档： https://github.com/tensor-yu/PyTorch_Tutorial参考： https://blog.youkuaiyun.com/u011995719/article/details/85103712 https://www.cnblogs.com/mengfu188/p/13561693.html h

2021-06-27 19:30:15 499 4

原创 PyTorch学习（2）:数据加载机制

PyTorch学习（2）:数据加载机制Pytorch官方文档：https://pytorch-cn.readthedocs.io/zh/latest/Pytorch学习文档：https://github.com/tensor-yu/PyTorch_Tutorial参考：https://blog.youkuaiyun.com/u011995719/article/details/85102770文章目录PyTorch学习（2）:数据加载机制前言1.Dataset类2.构建自定义Dataset子类3.DataL

2021-06-27 18:23:46 628 1

原创 PyTorch学习（1）:基础知识

PyTorch学习（1）：基础知识Pytorch官方文档： https://pytorch-cn.readthedocs.io/zh/latest/Pytorch学习文档： https://github.com/tensor-yu/PyTorch_Tutorial参考： https://blog.youkuaiyun.com/u011995719/article/details/85102770 https://blog.youkuaiyun.com/weicao1990/article/details/93177

2021-06-27 11:57:00 442

原创 TensorFlow报错：This is probably because cuDNN failed to initialize

TensorFlow报错：This is probably because cuDNN failed to initializetensorflow.python.framework.errors_impl.UnknownError: 2 root error(s) found. (0) Unknown: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try lo

2021-06-10 16:04:12 375

原创活体检测——Oulu-NPU数据集

Oulu-NPU人脸防作伪数据集参考论文：《OULU-NPU: A mobile face presentation attack database with real-world variations》下载链接： https://sites.google.com/site/oulunpudatabase/数据集描述： Oulu-NPU人脸活体检测数据库由4950个真实和攻击视频组成。这些视频是用6台移动设备（Samsung Galaxy S6 edge, HTC Desire EYE, ME

2021-05-15 16:58:32 6011 17

原创活体检测——Replay-Attack数据集

Replay-Attack人脸防作伪数据集参考论文：《On the Effectiveness of Local Binary Patterns in Face Anti-spoofing》下载链接： https://www.idiap.ch/en/dataset/replayattack数据集描述： Replay-Attack数据库由1300个视频组成，这些视频在不同的光照条件下对50个实验人员进行真假人脸的样本采集。数据库由瑞士的IDIAP研究所建立。总共有1300个视频，分成了四个

2021-05-15 16:50:22 3368

转载活体检测——SSDG

论文：《Single-Side Domain Generalization for Face Anti-Spoofing》中国科学院计算技术研究所视觉信息处理与学习研究组（VIPL实验室）发布的单边域适应框架SSDG，其论文被CVPR2020 接收。Github链接：https://github.com/taylover-pei/SSDG-CVPR2020论文下载：https://arxiv.org/pdf/2004.14043.pdf动机：目前已有的方法能在某个数据域取得很好的测试结果，

2021-05-15 16:35:53 1458 2

原创活体检测——开源项目调研

人脸活体检测调研–开源项目1.Github：https://github.com/zeusees/HyperFASHyperFAS 基于深度学习人脸静默活体算法人脸活体验证是人脸识别过程中重要的一环，主要用以区分真实人脸与假脸图像，能够识别利用纸张打印、屏幕翻拍、3D模型等方式的欺骗行为。我们在算法设计阶段，尝试了不同的方法，包括：SVM、LBP、深度学习等。针对单一场景或者摄像头，能够得到不错的效果，但是没有得到一个能够适配多种摄像头的活体算法，这里我们将其中一个较好模型开放出来，但是在逆光等情

2021-05-15 16:22:23 3065

原创活体检测——专利调研

人脸活体检测专利调研专利1：2019，活体检测方法、装置及活体检测终端用户交互式活体检测专利2：2019，人脸活体检测方法和装置、人脸活体检测设备及介质用户交互式活体检测专利3：2020，一种应用于人脸遮挡场景的活体检测方法及装置 RGB和红外图像联合约束专利4：2020，一种活体检测模型训练、活体检测方法、装置、设备及介质包含了样本集的采集，构建样本对的光流图，基于光流图的活体检测专利5：2020，一种多模态人脸活体检测方法及系统多模态：彩色、红外、深度专利6：20

2021-04-26 15:44:52 240

原创 OpencvDnn报错：cv::dnn::computeShapeByReshapeMask

OpencvDnn运行代码时报错： net = cv2.dnn.readNet(args.model)error: OpenCV(4.2.0) D:\Build\OpenCV\opencv-4.2.0\modules\dnn\src\layers\reshape_layer.cpp:149: error: (-215:Assertion failed) dstTotal != 0 in function 'cv::dnn::computeShapeByReshapeMask'解决方法：已解决

2021-04-26 15:37:13 2131

转载活体检测——CDCN代码略读

Github链接：https://github.com/ZitongYu/CDCN/tree/master/CVPR2020_paper_codes中心差分卷积实现：######################## Centeral-difference (second order, with 9 parameters and a const theta for 3x3 kernel) 2D Convolution ################################ | a1 a

2021-04-19 15:21:44 1957 9

原创活体检测——CDCN/CDCN++

论文：《Searching Central Difference Convolutional Networks for Face Anti-Spoofing》由奥卢大学与明略科学院深度学习实验室等组成的团队，在CVPR2020上发表的基于中心差分卷积的人脸防作伪算法开源连接：https://github.com/ZitongYu/CDCN本文的主要贡献包括：（1）设计了一种新的卷积算子，称为中心差分卷积（CDC）对于FAS任务，由于其对不同环境下不变细粒度特征的显著表示能力。在不引入任何额

2021-04-18 14:55:36 5276 3

转载活体检测——FAS-SGTD

论文：《Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing》由奥卢大学与明略科学院深度学习实验室等组成的团队，在CVPR2020上发表的基于空间梯度和时序深度的人脸防作伪算法参考代码：https://github.com/clks-wzz/ FAS-SGTD本文主要的贡献有：为了更好表征spatial信息，提出基于空间梯度幅值的Residual Spatial Gradient Block (RSGB

2021-04-18 14:38:29 1007

转载活体检测——多帧深度估计防作伪

论文：《Exploiting temporal and depth information for multi-frame face anti-spoofifing》京东金融、华为云和中科院在2018年联合发表的利用时间和深度信息进行多帧人脸反欺骗算法主要创新点和贡献点：利用了多帧的时空信息来更精准地预测深度图，再而进行活体检测。评测的基准数据集： OULU-NPU, SiW, CASIA-MFSD,Replay-Attack.动机：作者画出下面的草图来描述活体与非活体多帧间的微

2021-04-18 14:14:44 1318 2

原创活体检测——CelebA-Spoof

论文：《CelebA-Spoof: Large-Scale Face Anti-Spoofifing Dataset with Rich Annotations 》北京交通大学、商汤科技、香港中文大学等贡献了一个大规模的人脸反欺骗数据集CelebA-Spoof，其论文被ECCV 2020 收录Github连接： https://github.com/Davidzhangyuanhan/CelebA-Spoof概述： CelebA Spoof是一个大规模的人脸反欺骗数据集，包含10177个主题的

2021-04-18 13:35:59 1792

原创算法API接口文档规范

算法API接口文档规范参考：百度AI开放平台：https://ai.baidu.com/ai-doc/FACE/yk37c1u4t接口功能介绍1.人脸比对：比对两张图片中人脸的相似度，并返回相似度分值；1.人脸比对接口描述（1）调用方式HTTP方法： POST请求URL: https://aip.baidubce.com/rest/2.0/face/v3/match请求参数：请求示例：（2）返回说明返回参数:返回示例：（3）错误码若请求错误，服务器将返回的JS

2021-04-18 13:20:42 2833

原创测试Tensorflow、Pytorch的GPU是否可用

测试Tensorflow、Pytorch的GPU是否可用原始环境中为cuda10.0 的Tensorflow1.13.1和Pytorch1.12版本，CUDA通用。虚拟环境中安装了Pytorch1.16，CUDA10.2版本。问题来了：Tensorflow目前最新版本2.4.1竟然不支持CUDA10.2版本，仅支持到CUDA10.1。等着以后支持CUDA10.2在更新版本吧，先用CPU。1.Pytorch测试GPU是否可用2.Tensorflow测试GPU是否可用注：报了一堆

2021-01-23 12:15:40 734

转载轻量化网络结构——MobileNet系列

MobileNet系列总结1、概述 MobileNet系列网络是Google为了移动端和嵌入式设备设计的模型，主要是在追求准确性和运行速度之间的平衡。从模型结构上主要对以下几点做了研究：V1：深度可分离卷积V2：倒置残差块和线性瓶颈层V3：网络架构搜索V1和V2都是先提出了一种理论、假说、发现，然后根据这种理论来指导模型的设计，这是有一定启发意义的。V3主要是在用NAS搜索结构，使用V2+SENet+swish的基本模块构建网络，设计思路上并没有很大的启发。2、MobileNetV

2021-01-16 16:19:28 1274 2

原创轻量化网络结构——MobileNetV3

论文：《Searching for MobileNetV3》概述：该论文主要讲如何使用NAS搜索出适用于移动设备的轻型网络，提出了MobileNetV3-Large和MobileNetV3-Small两个模型。基础结构：网络结构图如下所示，主要是在点向卷积后加了一个SENet的attention模块。激活函数：另外用上了swish激活函数。给出了两种形式。最终块的优化：MobileNetV3的网络结构： MobileNetV3定义了两个模型: MobileNetV

2021-01-16 16:04:07 2626

原创轻量化网络结构——MobileNetV2

《Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification, Detection and Segmentation》—Google1.MobileNetV2结构是基于倒置残差结构，原来的残差结构的主分支是有三个卷积，两个逐点卷积通道数较多，而倒置的残差结构刚好相反，中间的卷积通道数（依旧使用深度可分离卷积结构）较多，两端的较少。另外，我们发现去除主分支中的非线性变换是有效的，这可以保持模型的表现力。2.论文

2021-01-16 15:33:44 6918 1

原创轻量化网络结构——Xception

《Xception: Deep Learning with Depthwise Separable Convolutions》– Google1.Xception 并不是真正意义上的轻量化模型，是Google继Inception后提出的对Inception v3的另一种改进，主要是采用depthwise separable convolution来替代原来的Inception v3中的卷积操作，这种性能的提升是来自于更有效的使用模型参数而不是提高容量。一个卷积层尝试去学习特征在3维空间–（高、宽、

2021-01-16 15:16:57 3423

原创轻量化网络结构——ShuffleNet

论文：《ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices》—Face++1.shuffle具体来说是channel shuffle，是将各部分的feature map的channel进行有序的打乱，构成新的feature map，以解决group convolution带来的[信息流通不畅]的问题。（MobileNet是用pointwise convolution解决这个问题。）因此可知

2021-01-16 14:58:27 2182

原创 sklearn报错：joblib

报错原因：原始版本的scikit-learn == 0.19.2，新版本为scikit-learn == 0.23.2。sklearn.externals.joblib函数是用在0.21及以前的版本中，在最新的版本中，该函数应被弃用。所以引入from sklearn.externals import joblib库时，出现ImportError: cannot import name 'joblib’错误。解决方法：高版本直接import joblib 导入即可低版本预测代码：from skl

2021-01-09 12:07:05 4592 1

Windows 环境下编译OpenCV3.4.1和OpenCV-Contrib3.4.1下配置文件

空空如也