深度学习
关注
分享
扫一扫
文章平均质量分 82
永恒_一瞬
欣之所遇，快然自足；所之既倦，感慨系之
展开
-
论文学习 AInnoFace：Accurate Face Detection for High Performance
论文地址相关解读：[论文笔记] 人脸检测方向系列论文arxiv2019_AFD_HP文章要点 RetinaNet + focal loss UnitBox的IOU loss SRN的 2-step bbox cls/reg PyramidBox的data-anchor-sampling S3FD的max-out label multi-scale inference模块简介Focal Loss 目标检测分为one-stage/two-stage，focal loss的原创 2020-09-30 17:10:38 · 445 阅读 · 0 评论 -
论文学习 LFFD: A Light and Fast Face Detector for Edge Devices
论文要点多尺度检测网络，各分支只关心自己负责的尺度范围；网络设计以部署平台运行效率为目标，使用优化效果最高的结构设计网络；Anchor类方法有离散、样本不均、依靠经验等问题，提出使用RF的Anchor-Free方法。主要内容基于Anchors的方法存在问题Anchor很难充分覆盖所有尺寸的人脸；IOU阈值需要靠经验选取；Anchor数量与尺寸全靠经验，容易导致样本不平衡和冗余计算。RF 和 ERF Feature map中每一个点都对应一个感受野（RF），处于感受野越靠近中心原创 2020-09-28 10:06:58 · 516 阅读 · 0 评论 -
Pytorch 分析反向梯度检查网络
当训练时loss下降效果不理想或自定义损失函数时，需要检查反向回传梯度是否正常，网络权重是否在更新。打印网络中的层的梯度 参考pytorch 打印网络回传梯度，在loss.backward()后，取出网络各层属性，并分析权重及其梯度信息。for name, weight in net.named_parameters(): # print("weight:", weight) # 打...原创 2020-04-17 10:28:02 · 6262 阅读 · 0 评论 -
论文学习：Occlusion Robust Face Recognition Based on Mask Learning
论文地址：Occlusion Robust Face Recognition Based on Mask Learningwith Pairwise Differential Siamese Network综述 深度卷积网络作为人脸识别领域的前沿技术，存在识别模型在有部分遮挡的人脸场景效果不佳的情况。作者根据人视觉系统注意力机制，会自动忽略被遮挡的部分的性质，提出一种掩膜学习策略，来处理人...原创 2020-03-16 12:47:17 · 2404 阅读 · 10 评论 -
论文学习 RetinaFace: Single-stage Dense Face Localisation in the Wild
论文地址：RetinaFace: Single-stage Dense Face Localisation in the Wild开源地址：https://github.com/deepinsight/insightface/tree/master/RetinaFace.综述 RetinaFace是一个多任务学习的多尺度人脸检测模型，可实现人脸处理领域的检测和关键点提取，并应用了FPN的...原创 2019-11-27 11:58:42 · 1642 阅读 · 0 评论 -
TensorRT学习（三）通过自定义层扩展TensorRT
本文源于学习TensorRT文档《TensorRT-Developer-Guide》第4章“EXTENDING TENSORRT WITH CUSTOM LAYERS”的理解。通过C++API添加自定义层 自定义层添加是通过扩展IPluginV2Ext和IPluginCreator类来实现：IPluginV2Ext：IPluginV2的升级版，实现自定义插件的基类，包含版本化和对其它...原创 2019-10-21 18:34:45 · 6117 阅读 · 1 评论 -
Pytorch转TensorRT中的坑
Pytorch转ONNX再转TensorRT，其中遇到一些转的时候会出现的层需要修改的问题，这里对修改的层做一些总结。reshape Pytorch中会有很多需要reshape的操作，可用的算子有：reshapeviewflatten 前两个都是需要指定reshape后完整的尺寸大小，因此使用中需要先获取输入数据的维度，这个在Pytorch框架下使用没有问题，但用到Tens...原创 2020-03-26 16:44:03 · 21939 阅读 · 11 评论 -
TensorRT学习（二）通过C++使用
本文源于学习TensorRT文档《TensorRT-Developer-Guide》第2章“WORKING WITH TENSORRT USING THE C++ API”的理解。一、TensorRT实例化对象 使用TensorRT进行推理需要创建的对象：IExecutionContext，用于推理的对象，通过ICudaEngine对象获取；ICudaEngine，TensorR...原创 2019-08-01 11:18:22 · 13828 阅读 · 11 评论 -
TensorRT+ int8官方论坛中有趣的讨论总结
最近学习通过NVIDIA的显卡进行TensorRT加速及int8校准，遇到很多问题，准备认真学习下。关于int8校准的理论在论坛上已有很多介绍，这里对官方论坛中感觉有趣的讨论记录一下，便于后期翻阅。1、自定义层的int8优化 TensorRT INT8 plugin layer About use int8 model! 官方开发人员只说了支持4种格式，未来会加入更多特性，没说能...原创 2019-06-18 18:30:27 · 4873 阅读 · 25 评论 -
Win10+VS2015+cuda10.1安装
最近学习TensorRT，在GTX1080显卡上测试的好好的例子在RTX2070上死活不成功，分析可能是cuda9.0太老，该版本的TensorRT不支持Turing系列的显卡。因此准备升级cuda10.1，期间一直出现错误导致安装失败，网上大部分是关于VS2017+cuda10的，经多次尝试勉强安装完成VS2015+cuda10.1，记录下安装过程。1、首先安装Visual Studio ...原创 2019-06-03 16:32:49 · 6538 阅读 · 0 评论 -
mmdnn命令说明
Caffe转mxnet模型——mmdnn中提到了使用mmdnn对模型进行转换，当时对转换的命令不是很清楚，最近重新查了一些，整理下mmdnn的转换命令。一步转换 mmdnn的一步转换命令是mmconvert，源于mmdnn/conversion/_script/convert.py，其参数为：命令含义-sf输入模型类型-in输入模型网络（如果网络文件独立）...原创 2019-05-29 18:40:12 · 5232 阅读 · 8 评论 -
mxnet代码理解 —— SyncCopyFromCPU
SyncCopyFromCPU、SyncCopyToCPU SyncCopyFromCPU从内存连续区域同步拷贝数据，会在拷贝前调用WaitToWrite，直到当前NDArray的所有读/写操作都完成后可执行写入操作。void NDArray::SyncCopyFromCPU(const void *data, size_t size) const { TShape dshape ...原创 2018-11-23 17:36:58 · 1390 阅读 · 3 评论 -
mxnet代码理解 —— c_predict_api
c_predict_api MXAPIPredictor结构体:// predictor interfacestruct MXAPIPredictor { std::vector<NDArray> out_arrays; // output arrays std::vector<NDArray> arg_arrays; // argument a...原创 2018-11-23 14:46:44 · 1660 阅读 · 0 评论 -
mxnet代码理解——MXAPIPredictor结构体
MXAPIPredictor结构体在 c_predict_api .cc中定义:// predictor interfacestruct MXAPIPredictor { std::vector<NDArray> out_arrays; // output arrays std::vector<NDArray> arg_arrays; // argum...原创 2018-11-23 14:48:02 · 696 阅读 · 0 评论 -
论文阅读 - Quality Classified Image Analysis with Application to Face Detection and Recognition
综述 作者认为当前人脸识别相关研究没有考虑图像质量对识别结果的影响，通过实验确定模型在训练和预测中图像质量越相似的结果准确性越高，因此对训练集进行质量分类，并训练出不同质量的人脸检测识别模型和质量判断模型，根据质量判断结果将人脸放到对应的模型中进行识别，取得较好的识别结果。提到的相关文献 图像质量评估综述文章： Luca Marchesotti and Rodrigue Nkoutche...翻译 2019-01-21 15:00:11 · 265 阅读 · 0 评论 -
Mxnet使用TensorRT加速模型 —— Mxnet官方例子
官方示例链接 Optimizing Deep Learning Computation Graphs with TensorRT 本文档代码来源于mxnet官方网站翻译，添加自己运行情况。NVIDIA的TensorRT是用于加速网络推理的深度学习库，Mxnet的1.3.0版本开始试验性质的支持TensorRT，这意味着Mxnet的用户现在可以用加速库高效的运行他们的网络。安装Tensor...原创 2019-03-20 12:01:06 · 4199 阅读 · 1 评论 -
TensorRT学习（一）文档理解
参考来源高性能深度学习支持引擎实战——TensorRT 本文源于对云栖社区该博文的理解，算是总结下TensorRT是什么。TensorRT解释 从TensorRT这个名字上开始解释，一般一维数组叫做Vector（即向量），二维数组叫做Matrix，再高纬度的就叫Tensor，Matrix其实是二维的Tensor。在TensorRT中，所有的数据都被组成最高四维的数组，如果对应到CNN中...原创 2019-03-27 14:44:51 · 2645 阅读 · 10 评论 -
Caffe转mxnet模型——mmdnn
mmdnn支持的模型转换类型最多，它先是将模型转换到IR，再转换到目标框架。转换步骤 1、确保环境安装，如mxnet和caffe，由于caffe停止更新，目前很难找到cuda9的安装方法，因此安装cpu版本仅用于模型转换。参考方法： windows10+python3.5下同时安装caffe和tensorflow 如果是使用python2.7或者作者依赖库有更新，可以尝试 ...原创 2018-12-21 18:17:02 · 1459 阅读 · 0 评论 -
MXNET部署TensorRT检查OP是否存在
MXNET模型进行部署时可以使用TensorRT，其过程通常为将MXNET模型转换为ONNX，再通过TensorRT的ONNX解释器转换为TensorRT的序列化文件。但此过程中，MXNET的OP不一定可以转换为ONNX的结果，而ONNX的OP也只有部分可以在TensorRT中实现。TensorRT支持操作 可参照TensorRT官方文档，这里面除了介绍支持的OP操作外，还有关于支持的平...原创 2019-05-30 10:21:18 · 1319 阅读 · 1 评论 -
softmax整理
softmax来由 阅读Softmax vs. Softmax-Loss: Numerical Stability的总结 softmax函数的定义：σi(z)=ezi∑mj=1ezj,i=1,2,...,mzi=wTix+biσi(z)=ezi∑j=1mezj,i=1,2,...,mzi=wiTx+bi\begin{aligned}&\sigma_i(z)=\frac{e^{z_i...原创 2018-06-29 11:08:38 · 1066 阅读 · 0 评论