imperfect00-CSDN博客

原创 ncnn

1.编译本地ncnngit clone https://github.com/Tencent/ncnn.git cd ncnn mkdir -p buildcd buildcmake .. make -j4编译后，在目录ncnn/build/tools/caffe下，分别有ncnn2mem和caffe2ncnn两个可执行文件：caffe2ncnn 将caffemodel转换为n...

2019-10-10 13:16:41 428 1

原创 pytorch模型转ncnn，并移植android

模型转换pytorch转onnximport torch.utils.datafrom torch.autograd import Variablefrom squeezenet import squeezenet1_2import onnxruntimeimport numpy as npfrom onnxruntime.datasets import get_exampleim...

2019-10-10 11:54:42 4914 1

原创 pytorch模型转ncnn，并移植android，ios

2019-07-26 10:34:37 4010 2

原创 python获取项目安装包

在项目目录下，运行，pip freeze > requirements.txtrequirements.txt中即为对应的安装包。

2019-06-04 16:03:18 996

原创 dlib gpu版本

python3.6直接使用pip install dlib安装时，发现安装的dlib裁剪人脸时，cpu利用率喝高，而没有用到gpu。这是因为安装了cpu版本。解决方法是，从源码安装dlib gpu版本。卸载dlib,pip uninstall dlib编译与安装：git clone https://github.com/davisking/dlib.gitcd dlibmkdir bu...

2019-01-08 13:25:42 6471

原创 conda常用命令

查看安装包：conda list查看虚拟环境列表：conda env list 或 conda info -e检查更新当前conda:conda update conda创建python虚拟环境:使用 conda create -n env_name python=X.X（2.7、3.6等)即可创建python版本为X.X、名为env_name的虚拟环境。env_name文件可以...

2018-12-28 15:41:01 308

原创 Check failed: status == CUDNN_STATUS_SUCCESS (4 vs 0)

将prototxt文件，如deploy.prototxt中的行，#engine: CAFFE的#去掉，engine: CAFFE

2018-12-12 14:57:34 2222

原创 caffe ssd精度评价

可以参考，https://github.com/intel/caffe/blob/master/models/intel_optimized_models/ssd_mobilenet/fp32_acc.prototxt

2018-12-10 14:07:15 741

原创半监督训练方法--mean teachers are better role models

本文采用两个网络进行训练，连个网络模型结构一样，分别命名为teacher,student网络。student网络参数根据损失函数梯度下降法更新得到；teacher网络参数通过student网络的参数迭代得到。训练数据：有标签样本x1,y1,以及无标签样本x2.训练策略：将有标签数据x1,y1输入student,从而计算loss1.将无标签数据x2输入student,从而计算得到label...

2018-11-14 11:30:41 5850 3

原创 image caption学习笔记

show and tellcnn-lstm结构，cnn部分采用vgg,使用的是vgg的fc2层作为输出图片特征。得到图片特征后，将其输入一个线性层（CNN），得到x−1x_{-1}x−1作为第一个lstm的输入，对于输入句子的每个字sts_{t}st，将其与权重参数wew_ewe相乘，输出作为lstm的输入，模型结构如下，inference有两种方法得到输出，一种是直接去概率最大...

2018-11-01 18:15:32 1219

原创 MTCNN-Tensorflow

git clone https://github.com/AITTSMD/MTCNN-Tensorflowmtcnn为一个多任务训练，物体框和特征点数据分别为两个数据集,数据集1标记里物体框位置，因此只用与训练物体检测。数据集2标记有物体框，特征点，用于训练特征点。输入数据每行分别为，path to image， cls_label， bbox_label， landmark_label...

2018-11-01 18:10:30 3238 6

原创 ubuntu安装lrzsz以及使用sz,rz上次下载文件

安装过程：下载与编译、安装，wget http://www.ohse.de/uwe/releases/lrzsz-0.12.20.tar.gztar zxvf lrzsz-0.12.20.tar.gz && cd lrzsz-0.12.20./configure && make && make install创建软链接，上面安装默认把ls...

2018-10-23 11:02:32 4484

原创将本地代码上传到gitlab

首先进入要上传代码的目录,例如,我要将test文件夹下的代码上传到gitlab,则,cd test通常需要创建README.md文件,echo "# test" >> README.md执行git命令，此命令会在当前目录下创建一个.git文件夹,git init将项目的所有文件添加到仓库中,git add .这个命令会把当前路径下的所有文件，添加...

2018-03-25 15:59:19 65108 14

原创 tensorflow model server 回归模型保存与调用方法

安装tensorfow model server:安装依赖包,sudo apt-get update && sudo apt-get install -y \ build-essential \ curl \ libcurl3-dev \ git \ libfreetype6-dev \ ...

2018-03-25 15:24:49 5212

原创 AttributeError: 'module' object has no attribute 'select'

使用tf.select函数出现错误,AttributeError: ‘module’ object has no attribute ‘select’这是因为当前版本tensorflow无tf.select函数,可以改为使用函数tf.where

2018-03-21 19:09:42 3383

原创 libstdc++.so.6: version `GLIBCXX3.4.22' not found

使用tensorflow model server时,出现错误,libstdc++.so.6: version `GLIBCXX3.4.22’ not found这是因为当前版本的libstdc++.so.6缺少GLIBCXX_3.4.22.查看当前版本的GLIBCXX命令为,strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6 | gr...

2018-03-21 19:07:56 33865 10

关于图像相似度,主要包括颜色,亮度,纹理等的相似度,比较直观的相似度匹配是直方图匹配.直方图匹配算法简单,但受亮度,噪声等影响较大.另一种方法是提取图像特征,基于特征进行相似度计算,常见的有提取图像的sift特征,再计算两幅图像的sift特征相似度.对于不同的图像类型,也可以采用不同的特征,例如对于人脸如下,可以采用人脸识别网络提取人脸特性向量.本文介绍利用LightCNN提取人脸特征向量,并进行...

2018-03-11 10:05:55 14019

原创 nnpack 安装与使用

安装ninja,sudo apt-get install ninja-build || brew install ninja安装PeachPy,sudo pip install --upgrade git+https://github.com/Maratyszcza/PeachPy安装confu,sudo pip install --upgrade git+https:...

2018-03-04 16:21:12 3138

原创 Face Aging with Contextual Generative Adversarial Nets

网络结构如图2所示,首先按照68个人脸特征点对输入图像进行对齐,之后,采用Deeplab v2算法将输入图像分割为人脸区域,和非人脸区域,并将非人脸区域标记为灰色.生成网络-Transformer network将处理后的图像,与年龄lable yyy输入到条件变换网络(G,Transformer),得到合成图像G(x,y)G(x,y)G(x,y)(fake image).生成...

2018-02-10 15:06:45 748

原创 mxnet-im2rec.py文件训练数据生成方法

生成list文件python /home/research/tools/incubator-mxnet/tools/im2rec.py –list 1 –recursive 1 –train-ratio 0.9 eye eye/输入参数含义:–list：当要生成list文件时，这个参数一定要设为True，表示当前用来生成的list文件；默认是生成rec文件；–recursive：递

2018-01-30 19:13:52 941

原创 Decoupled Learning for Conditional Adversarial Networks

文章提出里在已有的ED+GAN的基础上,添见一个生成网络,即ED//GAN,网络结构如下,上图中左边为传统的GAN网络,Enc+Dec相当于生成网络,D为判别网络,构造GAN损失函数,以及生成图片与输入的重构误差(L1损失函数,这种网络结构我们熟悉的有pix2pix,cyclegan.上图中右边为本文提出的网络结构,即在ED+GAN的基础上,添加一个生成网络,相当于有两个生成网络.两个

2018-01-26 20:54:51 594

原创 EffNet: An Efficient Structure for Convolutional Neural Networks

EffeNet对MoblieNet网络进行改进,主要思想为:首先,将MoblieNet的3×33\times3的depthwise convolution层分解为两个3×13\times1,1×31\times3depthwise convolution层.这样便可以在第一层之后就采用pool操作,从而减少第二层的计算量. 如图1所示,在第一个卷积层之后,使用1×21\times2 ma

2018-01-23 18:33:56 1215

转载 python文件创建,删除,移动,复制,重命名

os.sep 可以取代操作系统特定的路径分隔符。windows下为 '\\'os.name 字符串指示你正在使用的平台。比如对于Windows，它是'nt'，而对于Linux/Unix用户，它是 'posix'os.getcwd() 函数得到当前工作目录，即当前Python脚本工作的目录路径os.getenv() 获取一个环境变量，如果没有返回noneos.pute

2018-01-21 19:02:06 42319 4

原创 CoGAN

文章的思想是,利用网络层的权重共享约束,训练GAN网络.模型包括两个生成网络,两个判别网络,训练数据为不成对的两个域Domain1,Domain2的图片,我们希望的是训练的两个生成网络g1,g2能够在输入向量z相同的情况下,生成的图片高频信息相同,低频信息不同.因此在觉得高频特征的生成网络的前几层,将两个生成网络的权重共享,并且,将两个判别网络f1,f2的最后几层网络权重共享,如上图所示.

2018-01-21 18:58:51 3587

原创 Masking GAN

github代码:https://github.com/tgeorgy/mgan文章的创新点:1.生成网络输入x,输出包括分割模板mask,和中间图像y,根据mask将输入x与中间图像y结合,得到生成图像.这样得到的生成图像背景与输入x相同,前景为生成部分.2.采用端到端训练,在cyclegan损失函数的基础上,添加了对输出生成图像进行约束.模型结构如下,生成网络首先输出为分割模板mask,以及中间

2018-01-14 16:43:46 2584

原创 FACE AGING WITH CONDITIONAL GENERATIVE ADVERSARIAL NETWORKS

文章用于生成不同年龄的图片,采用的模型是条件对抗网络,主要创新点是,首先通过一个网络,提取图像特征向量,并通过身份保持网络,优化图像的特征向量,特到特征向量z∗z^*,之后便可以对于每个输入年龄,查找其年龄向量,并将该年龄向量与输入图片特征向量z∗z^*串联,输入生成网络,生成目标年龄图片.特征向量优化网络结构如下,网络的训练数据为,输入图像x,以及该图像的年龄y0y_0,对输入图像,将其输入Enc

2018-01-11 18:26:53 2172

原创 Ordinal Regression with Multiple Output CNN for Age Estimation

文献提出了结合CNN和回归进行年龄预测的端到端的深度学习网络,网络结构图如下,输入为60×60×360\times60\times3的图像,网络的前三层为三个卷积层,前两个卷积层为convolution+relu+batchnorm+pooling,第三个卷积层为convolution+relu+batchnorm结构,卷积层之后是两个全连接层,第一个FC的输出通道为80,由于年龄预测为100个类别

2018-01-05 19:55:47 3269

原创 caffe.Classifier

gender_net = caffe.Classifier(network, pretrained_model, channel_swap=(2, 1, 0), raw_scale=255, ima

2018-01-03 19:00:09 1529

原创 invertible Conditional GANs for image editing

github代码为https://github.com/Guim3/IcGAN通常GAN的生成网络输入为一个噪声向量z,文献的创新点是,利用一个encoder网络,对输入图像提取得到一个特征向量z,将特征向量z,以及需要转换的目标attribute向量y串联输入生成网络,得到生成图像,网络结构如下,如上图所示,包括连个encoder网络,分别为Ez,EyE_z,E_y,EzE_z用于将输入图像编码为

2018-01-01 15:51:59 2192

原创 caffe loss layers

1.Softmax类型（type）：SoftmaxWithLoss（广义线性回归分析损失层）Softmax Loss Layer计算的是输入的多项式回归损失（multinomial logistic loss of the softmax of its inputs）2.Sum-of-Squares / Euclidean类型（type）：EuclideanLoss（欧式损失层）euclid

2018-01-01 15:02:54 530

原创 SqueezeNet猫狗识别

caffe训练数据准备新建data存放训练数据,test_data存放测试数据,data,test_data目录下新建每个类别对应的文件夹,用于存放每个类别的图片,例如,分为cat,dog两类,则分别新建目录cat,dog,/home/data/cat /home/data/dog/home//test_data/cat /home//test_data/dog数据转换为caffe训练数据格式训

2017-12-30 13:43:18 4751 1

原创 Age and gender estimation based on Convolutional Neural Network and TensorFlow

训练数据处理imdb数据提取gender: 0 for female and 1 for male, NaN if unknownage: 年龄分为101类,分别为从0到100岁.将训练数据转换为tfrecords格式,命令为,python convert_to_records_multiCPU.py --imdb --nworks 8 --imdb_db /home/research/data/

2017-12-30 13:07:13 1174 1

原创 Stacked Conditional Generative Adversarial Networks for Jointly Learning Shadow Detection and Shadow

文章提出了包含两个生成网络,两个判别网络的网络结构,用于去除图像中的阴影,并还原没有阴影的真实图像.网络机构图如下,生成网络G1用于检测阴影区域,输入为包含阴影的图像,输出为阴影区域图像.生成网络G2用于去除阴影,输入为包含阴影的图像和G1生成的二值图像的,输出为去除阴影的图像.判别网络D1,D2用于监督这两个生成过程,直到模型收敛.判别网络D1的输入为,将阴影图像分别和G1检测的阴影区域图像,目标

2017-12-17 15:21:48 1867

原创 starGAN原理代码分析

下载:git clone https://github.com/yunjey/StarGAN.gitcd StarGAN/下载celebA训练数据:bash download.sh训练:python main.py --mode='train' --dataset='CelebA' --c_dim=5 --image_size=128 \ --sample_path

2017-12-02 19:50:02 8268 4

原创 torch narrow用法

对于变量,有时候需要去变量的某一维度的某几个值,可以使用narrow函数实现,例如对于变量x,narrow函数输入为,`x.narrow`(*dimension*, *start*, *length*) → Tensor表示取变量x的第dimension维,的从索引start开始到,start+length范围的值.例如,我们取变量x的值为,x = torch.Tensor([[1, 2, 3],

2017-12-02 15:32:00 12649

原创 sublime text安装及使用

安装命令为,wget -qO - https://download.sublimetext.com/sublimehq-pub.gpg | sudo apt-key add -echo “deb https://download.sublimetext.com/ apt/stable/” | sudo tee /etc/apt/sources.list.d/sublime-text.list

2017-12-02 12:34:32 303

原创 RuntimeError: invalid argument 4: out of range at pytorch/torch/lib/TH/generic/THTensor.c:439

使用from torchvision.utils import save_image保存图像时,出现错误:File “/usr/local/lib/python2.7/dist-packages/torchvision/utils.py”, line 51, in save_imagegrid = make_grid(tensor, nrow=nrow, padding=padding)File

2017-12-02 10:06:11 4616 5

原创 ImportError: numpy.core.multiarray failed to import

python代码:from torch._C import *出现错误:ImportError: numpy.core.multiarray failed to import解决方法是:sudo pip2 install -U numpy

2017-11-30 18:57:45 7239

原创 UNSUPERVISED CROSS-DOMAIN IMAGE GENERATION

本文提出了一个域转换网络(domain transfer network,DTN),网络的作用是,对于给定两个域S,T,我们希望学习一个生成函数G,将S域的样本映射到域T,这样,对于一个给定函数f,不管f的输入为来自域S或T,f的输出会保持不变.网络结构如下: 生成网络包括函数f,g.f用于提取输入图像的特征,得到一个特征向量.g的输入为f的输出,输出为目标风格的图像.训练数据为为无监督数据,即,

2017-11-22 18:22:57 3021

原创 Neural Discrete Representation Learning-代码分析

VAEVAE包括一下几部分:1）一个encoder网络，对后验分布 q(z|x) 进行参数化，z 是离散隐随机变量，x 为输入数据；2）先验分布 p(z)；3）一个decoder网络，它的输入数据分布是 p(x|z)。VQ-VAE使用离散隐变量，受向量量化的启发用一种新的方式进行训练。后验和先验分布是明确分类的，从这些分布中提取的样本可通过嵌入表进行索引。然后将这些嵌入作为解码器网络的输入。网络结构

2017-11-15 19:37:12 3799 1