（配置项目环境前，电脑环境需要安装好Anaconda3） 1. 下载项目地址： git clone https://github.com/wangbm/MTCNN-Tensorflow.git 先使用命令创建MTCNN虚拟环境： conda create --name MTCNN python=3.6 进入 MTCNN虚拟环境，conda deactivate退出 MTCNN虚拟环境： sourc
转载
2024-09-02 13:12:00
42阅读
/*功能：实现对眼睛、脸部的跟踪。
原创
2022-08-15 11:24:07
134阅读
一个实用价值很大的人脸关键点检测算法PFLD paper：https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1905.00641.pdf github：https://github.com/biubug6/Pytorch_Retinaface Retinaface是来自insightFace的又一力作，基于one-stage的人脸检测网
package com.opencv;
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.core.Scalar;
import org.opencv.core.Size;
i
转载
2024-06-07 14:30:04
40阅读
作者：Edison_G架构变化、训练方法和扩展策略是影响模型性能的不可或缺的重要因素，而当前的研究只侧重架构的变化。谷歌大脑和 UC 伯克利的一项最新研究重新审视了 ResNet 架构，发现对于提升模型性能而言，改进训练和扩展策略或许比架构变化更重要。他们提出了 ResNet 的变体架构 ResNet-RS，其使用的内存不仅更少，在 TPU 和 GPU 上的训练速度也数倍于 EfficientNe
一.目的及方法为了在深层次提高小目标检测精度和效率。为了保持大尺寸和小尺寸目标检测结果的一致性，本文提出了一种新的结构ReBiF特征金字塔。它是双向的，可以融合深部和浅部特征，使目标检测更加有效和稳健。由于“残差”的性质，类似于ResNet[5]，可以很容易地训练和集成到不同的骨干（甚至更深或更轻）比其他双向方法。在这种结构的基础上，提出了一种新的双融合模型，使残差特征形成一个紧凑的表示，将更精确
转载
2024-05-14 11:59:04
81阅读
R-CNN算法流程：输入图像每张图像生成1k - 2k个候选区域。对每个候选区域，使用深度网络CNN提取特征。（AlexNet、vgg、resnet等CNN）4-1.将特征送入每一类的SVM分类器，判别是非属于该类。 4-2.使用回归器精细修正候选框位置。生成候选区域使用selective search（选择性搜索）方法对每一张图生成1k - 2k的区域。 5. 分割区域 使用一种过分割手段，将图
转载
2024-03-26 13:24:44
91阅读
传统机器学习方法机器学习----人脸对齐的算法-ASM.AAM..CLM.SDM人脸对齐之GBDT(ERT)算法解读深度学习人脸关键点检测方法----综述 OpenCV实现人脸对齐 【LBF算法】Face Alignment at 3000 FPS via Regressing Local Binary Features. 有牛人改编的C++代码。https://gith
rcnn首先会做一个region proposal，也就是任意的找到一些疑似完整物体的区域，这一步是任意的，根据梯度信息找到一些边缘，然后就圈出来了。这一步会找到非常多的区域作为候选框，给接下来的分类提供素材。论文说的是找了两千多个接着把那些候选框一个一个输入神经网络，算出特征接着把算出的特征交给svm去做分类，得到分类与置信度。最后每个类别在训练出四个向量，保证预测的时候特征这四个向量可以得到
参考资料：数据读取和处理官网教程对于初学者来说，编程遇到表格的形式保存着所有图片的文件名和对应关键点的坐标。单张图片和标签的读取在进入
原创
2022-11-10 10:12:53
258阅读
以resnet作为前置网络的ssd目标提取检测
1.目标
本文的目标是将resnet结构作为前置网络，在imagenet数据集上进行预训练，随后将ssd目标提取检测网络（一部分）接在resnet前置网络之后，形成一个完整的ssd网络。
&
转载
2024-08-23 17:50:50
32阅读
前面已经制作好了训练模型所需要的文件：train.rec，property，以及验证模型所需要的test.bin，接下来是探索如何进行模型的训练与验证。这部分内容相对来说比较简单，毕竟框架和代码都是作者已经写好的，可供更改的内容还是有限的，所以也没有太多技巧的内容，更多就是按部就班的来。模型训练模型训练脚本在"src"=>"train_softmax.py"文件内。打开train_softm
转载
2024-03-27 13:42:19
69阅读
目标检测中由2D检测矩形框到3D检测框的估计算法、3D检测框绘制1. 3D Bounding Box Estimation Using Deep Learning and Geometry1.1 简介time:2017提出了一种三维目标检测和姿态估计的方法。与当前只有回归对象的三维方向技术相比，我们的方法首先回归使用深度卷积神经网络相对稳定的三维对象属性，然后结合这些估计与几何约束提供的2维对象边
转载
2024-03-22 14:09:34
80阅读
ROS-OpenCV1. 环境配置1.1 realsense SDK2.0安装①通过官网找到最新的SDK包并下载Intel RealSense SDK 2.0 ②解压安装包（librealsense-2.47.0.tar.gz） ③注册服务器的公钥：sudo apt-key adv --keyserver keys.gnupg.net --recv-key F6E65AC044F831AC80A0
转载
2024-03-27 06:46:23
333阅读
作者介绍1. 算法模型图（目前论文和专利未公开，保密待补充）2. 界面效果展示2.1 封面界面2.2 主界面2.3 检测过程的界面3 总结4.后续可优化的部分 作者介绍张伟伟，男，西安工程大学电子信息学院，2019级硕士研究生，张宏伟人工智能课题组。 研究方向：机器视觉与人工智能。1. 算法模型图（目前论文和专利未公开，保密待补充）2. 界面效果展示2.1 封面界面封面界面用于软件打开时跳出的界
转载
2024-04-24 14:58:22
217阅读
目录1. R-CNN1.1 R-CNN 算法流程（4个步骤）1.2 R-CNN 存在的问题2. Fast R-CNN2.1 Fast R-CNN 算法流程（3个步骤）2.2 损失函数2.3 Fast R-CNN 的改进和不足3. Faster R-CNN3.1 Faster R-CNN 算法流程（3个步骤）3.2 RPN3.3 正样本和负样本3.4 损失函数 1. R-CNN Region C
转载
2024-04-15 14:48:51
36阅读
什么是模糊测试 ？ 模糊测试（Fuzzing），是一种通过向目标系统提供非预期的输入并监视异常结果来发现软件的方法。测试的基本思想就是通过向程序中输入大量的随机数据，然后观察输入这些数据之后程序的情况，记录下使程序发生异常的数据，从而判断程序是在那些地方发生了异常。模糊测试之实例讲解 本文作者：i春秋签约作家——天天模糊测试的实现是一个非常简单的过程：1. 准备一份插
转载
2024-05-20 20:00:00
32阅读
简要介绍引言基本思路一一说明未完成的东西 引言好久没总结过新东西了，这次就把最近自己通过拼凑代码实现的一个点云目标检测网络现在这做个总结吧。 不过我的网络还没来得及改进，大思想就和别人的撞车了，人家已经发了CVPR，对于自己这个半成品网络也没什么兴趣继续改进了。 CVPR2021的论文是：Center-based 3D Object Detection and Tracking 代码：https
主要步骤：准备车牌单个字符图像作为神经网络分类器的训练数据，越多越好。当然需要对每幅图像提取特征，这里使用的是水平和垂直累计直方图和缩小后的图像信息。获取车牌图像，这里的车牌图像已经完成抠图，并且是灰度图像。将车牌图像中每个字符分割成单一图像（OCR类实现）。提取分割出的字符图像特征信息，并使用分类识别字符（OCR类实现）。
转载
2024-10-18 16:08:24
361阅读
神经网络与深度学习实验day11-基于torch用ResNet18模型实现MNIST5.4 基于残差网络的手写体数字识别实验5.4.1 模型构建5.4.1.1 残差单元5.4.1.2 残差网络的整体结构5.4.2 没有残差连接的ResNet185.4.2.1 模型训练5.4.2.2 模型评价5.4.2.3 模型参数统计5.4.3 带残差连接的ResNet185.4.3.1 模型训练5.4.3.2
转载
2024-08-21 10:30:55
118阅读
