摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 Group Convolution分组卷积 ,最早见于AlexNet——2012年Imagenet的冠军方法,Group Convolution被用来切分网络,使其在2个GPU上并行运行,AlexN阅读全文
posted @ 2019-01-09 11:02 Mr-Lee 阅读(58) 评论(0) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" [TOC] 准备工作 安装anaconda , "官网" 下载安装,笔者安装在"D:\Anaconda3" 安装好之后,查看环境变量path中是否有如下路径,没有的话添加进去 安装git , "官网" 下载安装,默认安装阅读全文
posted @ 2019-01-07 17:16 Mr-Lee 阅读(447) 评论(0) 编辑
摘要: [toc] GPU为 RTX2080 ,系统为更新到最新版本的 Win10 。 准备工作 安装 VS2015 ,到官网地址 "older download" 下载安装 安装 Matlab ,笔者安装的是Matlab2017b 安装 Anaconda3 4.4.0 Windows x86_64.exe阅读全文
posted @ 2018-12-26 17:44 Mr-Lee 阅读(351) 评论(7) 编辑
摘要: 最近装新机器,计划装个双系统,但是新硬件用不了Win7,只好改装Win10。经过数遍尝试,发现网上很多打着官方原版旗号的ISO以及各种装机软件,或多或少都捆绑了一些“流氓”软件,这篇文章将讲述获取 真·官方原版ISO 的方法。 微软官方下载网页 :https://www.microsoft.com/阅读全文
posted @ 2018-12-24 20:28 Mr-Lee 阅读(32) 评论(0) 编辑
摘要: [TOC] 2018年12月21日,最近要装新电脑,借此将自己常用的工具总结一下。 系统工具 "wox" ,软件快速启动工具,有翻译等插件 "everything" ,本地文件文件夹快速检索工具 "ditto" ,剪贴板增强工具,缓存剪切历史 "Total Commander 飞扬时空版" ,文件管阅读全文
posted @ 2018-12-21 18:21 Mr-Lee 阅读(62) 评论(0) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 层的概念在深度神经网络中占据核心位置,给定输入,数据在层间运算流动,最终输出结果。 层定义了对数据如何操作 ,根据操作的不同,可以对层进行划分(具体参见 "Caffe Layers" ): Data阅读全文
posted @ 2018-12-19 16:52 Mr-Lee 阅读(78) 评论(0) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 主页 :https://kpzhang93.github.io/MTCNN_face_detection_alignment/index.html 论文 :https://arxiv.org/abs阅读全文
posted @ 2018-12-13 18:10 Mr-Lee 阅读(212) 评论(0) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 这篇文章将从3个角度: 加权 、 模版匹配 与 几何 来理解最后一层全连接+Softmax。掌握了这3种视角,可以更好地理解深度学习中的正则项、参数可视化以及一些损失函数背后的设计思想。 全连接层与阅读全文
posted @ 2018-12-06 17:24 Mr-Lee 阅读(153) 评论(0) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 在文章《特征,特征不变性,尺度空间与图像金字塔》中我们初步谈到了图像金字塔,在这篇文章中将介绍如何在人脸检测任务中构建输入图像金子塔。 人脸检测中的图像金字塔 人脸检测任务 ,输入是一张图像,输出图阅读全文
posted @ 2018-12-04 18:55 Mr-Lee 阅读(263) 评论(0) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" [toc] 写在前面 在Caffe源码理解1中介绍了 类,其中的数据成员有 是共享对象所有权的智能指针,当最后一个占有对象的 被销毁或再赋值时,对象会被自动销毁并释放内存,见 "cppreference.com" 。而 阅读全文
posted @ 2018-12-01 16:46 Mr-Lee 阅读(131) 评论(1) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" [toc] 人脸识别流程包括人脸检测、人脸对齐、人脸识别等子任务,这里优先总结功能相对齐全的开源项目,再总结完成单个子任务的开源项目。本文主要关注方法较流行且提供源码的开源项目,忽略了仅提供SDK的。 全任务 1. "S阅读全文
posted @ 2018-11-30 17:56 Mr-Lee 阅读(231) 评论(0) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" [TOC] 面向过程与面向对象的思考方式 面向过程 和 面向对象 的差异主要体现在 思考方式 上,面对同样一个任务, 面向过程的思考方式 ,首先想的是 一步步该怎么做 , 对任务进行分解,先干什么后干什么,划分成不同阶段阅读全文
posted @ 2018-11-29 18:27 Mr-Lee 阅读(269) 评论(2) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" 特征 在计算机视觉领域, 特征是为了完成某一特定任务需要的相关信息 。比如,人脸检测中,我们需要在图像中提取特征来判断哪些区域是人脸、哪些区域不是人脸,人脸验证中,我们需要在两个人脸区域分别提取特征,来判断他们是不是同一阅读全文
posted @ 2018-11-29 12:00 Mr-Lee 阅读(256) 评论(0) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" Blob作用 据 "Caffe官方" 描述: A Blob is a wrapper over the actual data being processed and passed along by Caffe , an阅读全文
posted @ 2018-11-23 18:39 Mr-Lee 阅读(145) 评论(1) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" 写在前面 论文状态:Published in CVIU Volume 161 Issue C, August 2017 论文地址:https://arxiv.org/abs/1606.02228 github地址:htt阅读全文
posted @ 2018-11-13 10:10 Mr-Lee 阅读(123) 评论(2) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" 卷积运算与相关运算 在计算机视觉领域,卷积核、滤波器通常为较小尺寸的矩阵,比如$3\times3$、$5\times5$等,数字图像是相对较大尺寸的2维(多维)矩阵(张量),图像卷积运算与相关运算的关系如下图所示(图片来阅读全文
posted @ 2018-11-08 21:45 Mr-Lee 阅读(454) 评论(0) 编辑
摘要: 博客: "blog.shinelee.me" | "博客园" | "CSDN" 写在前面 最近因项目需要,得把OpenCV捡起来,登录 "OpenCV官网" ,竟然发现release了 "4.0.0 beata版本" ,所以借此机会,查阅资料,了解下OpenCV各版本的差异及其演化过程,形成了以下几阅读全文
posted @ 2018-10-31 17:37 Mr-Lee 阅读(1171) 评论(0) 编辑
摘要: 均值与方差 首先回忆下均值和方差的定义,若存在$n$个数为$x_1, x_2, \dots, x_n$,则均值$\mu$为: $$\mu = \frac{x_1+x_2+\dots+x_n}{n}$$ 均值衡量的是数值集中在哪个数值附近 。令标准差为$\sigma$,则方差$\sigma^2$为: 阅读全文
posted @ 2018-09-27 17:43 Mr-Lee 阅读(209) 评论(0) 编辑
摘要: 高斯函数与高斯滤波 一维高斯函数我们都熟悉,形式如下: $$G(x) = \frac{1}{\sqrt{2\pi}\sigma} \exp( \frac{x^2}{2\sigma^2})$$ 计算机视觉中,高斯滤波使用的高斯核为$x$和$y$两个一维高斯的乘积,两个维度上的标准差$\sigma$通常阅读全文
posted @ 2018-09-18 20:37 Mr-Lee 阅读(1040) 评论(0) 编辑
摘要: 写在前面 伪随机数生成算法在计算机科学领域应用广泛,比如枪击游戏里子弹命中扰动、数据科学里对样本进行随机采样、密码设计、仿真领域等等,背后都会用到伪随机数生成算法。 说随机,那什么是随机呢? 随机 意味着不可预测,没有任何规律。谈随机数,一定是在序列当中,单拿出一个数谈随机是没有意义的。 给一个数字阅读全文
posted @ 2018-08-22 11:47 Mr-Lee 阅读(831) 评论(2) 编辑