- 博客(80)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 是时候让AI辅助你追剧了，以《猎场》为例
前言经过漫长的单休之后，本周终于可以双休了 ：）本来打算趁双休没事干，把最近我胡热播的电视剧《猎场》给过了，看到十多集的时候，越发看不下去了，额，怎么说呢，猎头相关的不专业，更像是《情场》，可是下载了这么多视频全集，rm 掉有点可惜，正好最近对视频分析这块比较感兴趣，因此想试试手，此外，自己一直依赖都是做人脸相关的研究应用，就先从人脸开始。：）以上都是废话 ：）主要技术和步骤视频抽帧直接用cv2就可
2017-12-18 00:01:56
1559
2
原创 caffe2 mdl文件转init_net.pb, predict_net.pb
前言caffe2中，完整的训练例子就train_resnet50.py, 其模型和snapshot都保持在同一个文件中，不像caffe 一样有.caffemodel 和 .snapshot 文件（其实是冗余的）。训练完之后发现*.mdl文件不能直接使用，需要转化为两个pb文件，然而没有说怎么转换，也有很多人在问这个issue，然而并没有人说出正确的方法。解决方法通过看代码（好像也没有别的方法了），发
2017-07-27 22:28:27
3582
1
原创 【Python可视化】Matplotlib显示中文
导言Matplotlib是一款强大的可视化工具，然而，其默认不支持中文的显示，其实，只要在显示的时候，指定好特定的中文字体，即可正常显示中文。在下面的文件中，show_available_font 函数打印出可用的字体，然后根据返回的结果，在/usr/share/fonts 路径下进行搜索对应的库文件。其次，myfont = matplotlib.font_manager.FontPropertie
2016-03-16 17:01:12
8849
原创 【机器学习】Tensorflow学习笔记
构建网络模型基本的MLP网络结构基本的感知机模型，没有加入b 模型： Y=W∗(W∗X)Y = W*(W*X)import tensorflow as tfimport numpy as npimport input_data# 初始化权重 wdef init_weights(shape): return tf.Variable(tf.random_normal(shape, std
2016-02-14 00:06:56
9139
4
原创 【Linux相关】linux大文件分割与合并
前言近日由于网上下载了很多图片，然后花了很长一段时间进行压缩，压缩完成后一看，128G多，由于机器在远程，本来想通过百度网盘进行备份，后来提示最大单个文件只能4G大小，无奈只能手动切割大文件。查了相关命令，发现可以通过组合split命令和cat命令来实现：split 命令 功能说明：切割文件。 语 法：split [–help][–version][-<行数>][-b <字节>][-C <字节
2016-02-09 12:13:23
7293
原创 【机器学习】AlexNet 的tensorflow 实现
AlexNet 的tensorflow 实现# 输入数据import input_datamnist = input_data.read_data_sets("/tmp/data/", one_hot=True)import tensorflow as tf# 定义网络超参数learning_rate = 0.001training_iters = 200000batch_size = 6
2016-01-31 20:02:39
27923
6
原创 【机器学习】Tensorflow基本使用
TensorflowTensorFlow 是谷歌开源的机器学习框架，相对于其它现有框架来说，其具有比较好的扩展性，但是也牺牲了它的速度。下面介绍Tensorflow 的基本使用：1, tensorflow 基本操作：import tensorflow as tfimport numpy as np乘法：a = tf.placeholder("float") # 创建符号变量b = tf.plac
2016-01-31 20:00:53
14440
2
原创 【Caffe实践】基于Caffe的人脸检测实现
深度学习可以说是在人脸分析相关领域遍地开花，近年来在人脸识别，深度学习在人脸检测，人脸关键点检测中有很广泛的应用，这篇文章中，初步实现了基于深度学习CNN的人脸检测。
2016-01-12 22:39:21
44125
101
原创 【机器学习实践】Kaggle 之 Face Verification Challenge练手
导言这个一个Inclass 的比赛，主要任务就是给定1000多张图片所组成的901153对所有的组合图像，要求进行判断是否是同一个人。作为第一次做Kaggle的比赛，来练练手还是不错的。由于在这所有的二元组中，数据是极其步平衡的，所以会导致即使我们把这些所有的组合都判断为1（不同的人），它的精度也会达到99%以上，所以在这里单单评测识别率是没有意义的。官方这边给出的评价方法是AUC，也就是说在ROC
2015-12-15 22:31:05
6900
1
原创 【云计算虚拟化】基于docker的caffe环境搭建
引言为什么要用docker， 熟悉docker 其实已经很久了，自从实习的时候觉得它是一个利器以来一直没有机会使用它，这几天在折腾caffe环境中，觉得是时候用上Docker了。需求：构建一个独立的容器，里面安装了caffe 的所有依赖，在需要跑代码的时候，直接运行它。优点：可以解决各种依赖问题，比如这个软件需要安装gcc 4.7 ，而另外一个需要安装gcc 4.8 等等互斥的环境需求。Docker
2015-12-10 17:17:16
20233
3
原创 【云计算虚拟化】Docker的基本命令使用
一、系统相关命令：1.1 查看docker 的版本信息：docker version 1.2 查看docker 系统信息：docker info二、镜像相关的命令：2.1 搜索镜像：docker search image_name2.2 下载镜像：docker pull image_name2.3 查看本地所有的镜像：docker images其中，可以用到的参数有：-a --a 用来指
2015-12-10 16:04:42
7690
原创 【机器学习实践】人脸识别模型结果对比
最近做人脸识别，show 一下实验结果。识别率结果：在LFW上97.3%左右（单个model，非ensemble）随便找一个数据库，特征可视化一下：哪个模型好，一目了然。
2015-11-27 19:54:55
9484
15
原创 【云计算虚拟化】docker在ubuntu14.04下的安装
关于Docker：网上的介绍太多了，就不再赘述，总之就是很好用。运行之前确保有管理员权限。1，安装wget：确保有wget 如果没有：sudo apt-get install wget2，安装docker：获取最新的Docker包：wget -qO- https://get.docker.com/ | sh3，验证docker验证Docker是否安装成功。 docker run hello-wor
2015-11-23 15:51:58
3751
原创 【Caffe实践】基于Caffe的人脸关键点检测实现
引言如果关注Kaggle 机器学习项目的同学，一定很熟悉人脸关键点检测这个任务，在2013 年的时候，ICML举办一个的challgene，现在放在kaggle 上作为 一种最常规kaggle入门任务而存在。本文的主要目的在于验证深度学习模型在人脸点检测效果，踩踩里面的坑。任务介绍人脸关键点检测，也称之为人脸点检测，是在一张已经被人脸检测器检测到的人脸图像中，再进一步检测出五官等关键点的二维坐标信息
2015-11-09 09:32:05
41466
135
原创 【Caffe实践】基于Caffe的人脸识别实现
导言深度学习深似海、尤其是在图像人脸识别领域，最近几年的顶会和顶刊常常会出现没有太多的理论创新的文章，但是效果摆在那边。DeepID是深度学习方法进行人脸识别中的一个简单，却高效的一个网络模型，其结构的特点可以概括为两句话：1、训练一个多个人脸的分类器，当训练好之后，就可以把待测试图像放入网络中进行提取特征，2对于提取到的特征，然后就是利用其它的比较方法进行度量。具体的论文可以参照我的一篇论文笔记：
2015-11-01 17:02:06
72483
200
原创 【图像处理】人脸预处理工具FaceTools
前言：在做人脸分析的时候，常常要求人脸数据已经经过检测、归一化、对齐等操作，然而我们网上下载的数据库，大部分是没有经过这一些处理的，所以也经常需要我们自己写程序来完成这些数据预处理。虽然网上都有现成的一些人脸检测和关键点检测的可执行文件提供，但是，使用起来都不大方便。在这里我提供了一个简单的工具：用于处理简单的人脸检测、关键点检测、基于关键点检测的人脸对齐这三个功能。最大的优点就是你只需要提供相应的
2015-10-27 12:16:15
21174
48
原创 【开发工具】Git 以及GitHub环境配置
环境安装： sudo apt-get install git环境配置：git config –global user.name “YOUR NAME”git config –global user.email “YOUR EMAIL ADDRESS”SSH KEY制作： ssh-keygen -t rsa -b 4096 -C “[email protected]” 会要求输入
2015-10-22 19:44:27
2330
原创 【机器学习】逻辑回归原理及其实现
引言：逻辑回归是最简单的机器学习模型，常常应用于各种简单的任务中。这里记录逻辑回归的背景以及学习方法，权当自己的学习记录总结。
2015-10-22 19:00:53
5131
2
原创 【机器学习】非平衡数据集的机器学习常用处理方法
定义：不平衡数据集：在分类等问题中，正负样本，或者各个类别的样本数目不一致。例子：在人脸检测中，比如训练库有10万张人脸图像，其中9万没有包含人脸，1万包含人脸，这个数据集就是典型的不平衡数据集。 直观的影响就是，用这些不平衡的数据训练出来的模型，其预测结果偏向于训练数据中数据比较多的那一类，在人脸检测的例子中，就是检测器的检测结果大部分都偏向于没有检测到人脸图像。 另外一个不平衡数据集，就是信
2015-10-18 13:13:15
12539
2
原创 【云计算虚拟化】虚拟化学习认识总结
虚拟化的目的：是为了提高资源的利用率，提高管理的便携性，是云计算的底层基础。虚拟化的实现：是将底层的物理硬件都抽象成各种逻辑资源，也就是资源池化（虚拟化），然后再在这些逻辑资源之上，建立虚拟机操作系统。虚拟化需要解决的一个大问题就是，如何感知内核模式，即：现有的系统是这样的，操作系统运行在内核态中，用户程序运行在用户态中，当用户程序需要执行内核态功能（比如IO操作）的时候，会被系统捕捉，并由内核执行
2015-10-17 23:47:44
9984
原创 【笔试面试】神马搜索C++程序员电话面试
面试时间：2015.07.15预约时间：2015.07.14，电话面试前一天，会电话咨询你方面电话面试的时间。面试环节：无自我介绍（这是我面试这么多家公司碰到的第一次），直接面试内容。问题1： 做过哪些项目，这些项目的优点是什么？ 问题2： 在做过的项目中，碰到最大的困难时什么，是如何解决的？ 问题3： 1亿个搜索词条中，找出出现次数最大的10个单词及其次数？ 问题4： 3个整数的集合，求它们
2015-07-15 21:58:34
2428
原创 【算法编程】求二叉树的深度-Maximu Depth of Binary Tree
题目大意：很简单，只需要找出一颗二叉树的最大深度即可，貌似没有时间和空间的要求。求解方法：更简单，只需要按照宽度优先的方法去查找即可，在这里我用a队列保存待扩展的节点，用b来保存a扩展出来的节点，再利用t中间变量来交换a和b，直到a列队为空时，结束。 注意边界条件，root=NULL时，应该返回0
2015-07-03 18:18:15
2196
原创 【算法编程】找出只出现一次的数-singleNumber
题目意思：一个数值数组中，大部分的数值出现两次，只有一个数值只出现过一次，求编程求出该数字。 要求，时间复杂度为线性，空间复杂度为O(1).解题思路：1.先排序，后查找。由于排序的最快时间是O(nlogn), 所以这种方法不能满足时间的要求。2.其它技巧来解决：根据基本的计算机组成原理的知识，采用”异或运算“来巧妙的完成，异或运算很简单：0^0=0 1^1=0 1^0=0^1=1也就是说相同则
2015-07-02 22:07:06
1662
原创 【笔试面试】2015华为软件开发实习生
时间： 2015.06.16 地点：厦门大学简单题： 10个数字位取3个组成一个三位数（不能重复），使得这三位数的值最大。 方法：这个是送分题，我比较懒，直接用set 来存放，然后输出后面三个位置的值来搞定奇偶数排序问题 问题描述： 一串无序的数字，先根据所以奇数的逆序排序，再输出所有偶数的顺序排序数值。 方法： 很简单，基本两个排序就可以搞定。最大的边长问题： 问题描述：大致是这样
2015-06-16 19:50:26
2474
6
原创 【C++学习】vector
vector是C++中最基本的顺序容器，可把它看作是一个自动可变长度的数组来使用，使用中，比直接定义数组来使用方便，但运行效率会比数组低一些。vector的内部实现，还是数组的形式，当新插入数据使得大于容量时，就会进行重新分配空间，并移动数据，vector并不是每次插入新的数据都重新分配空间，并且移动数据，毕竟这样的效率太低了，通常，它是会新开一个大一些的空间，来避免过于频繁的分配空间和移动数据。v
2015-06-15 22:31:36
1644
原创 【Caffe实践】 添加自己的网络层
写在前面：Caffe 中有众多的网络层，最新版本的代码已经涵盖了很多种类型的网络层，然而，有时候由于各种原因，其给定的网络层不能满足我们的要求，这时候就要对其更改，以使其满足自己的需求，感谢作者开源代码以及众多的代码维护者。由于Caffe 中的网络层都是直接或者间接地给予Layer 基类，所以，在我们需要添加新的类型时，就需要选择好自己的基类，以使我们能够更好的利用基类已有的一些方法。我们新建的类可
2015-06-09 22:38:39
39183
17
原创 【Caffe代码解析】Layer网络层
Layer 功能：是所有的网络层的基类，其中，定义了一些通用的接口，比如前馈，反馈，reshape，setup等。
2015-06-08 20:32:58
7984
原创 【Caffe代码解析】Blob
主要功能：Blob 是Caffe作为数据传输的媒介，无论是网络权重参数，还是输入数据，都是转化为Blob数据结构来存储，网络，求解器等都是直接与此结构打交道的。其直观的可以把它看成一个有4纬的结构体（包含数据和梯度），而实际上，它们只是一维的指针而已，其4维结构通过shape属性得以计算出来（根据C语言的数据顺序）。 protected: shared_ptr d
2015-06-04 21:19:28
9232
5
原创 【Caffe源码解析】DataLayer
函数功能： DataLayer 用于将数据库上的内容，一个batch一个batch的读入到相对应的Blob中
2015-06-04 20:27:51
7307
原创 【Caffe代码解析】convert_imageset
使用方法： convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME 其中 参数：ROOTFOLDER 表示输入的文件夹 参数：LISTFILE 表示输入文件列表，其每一行为：类似 subfolder1/file1.JPEG 7 可选参数：[FLAGS] 可以指示是否使用shuffle，颜色空间，编码等。实现方法：
2015-06-04 15:55:35
6279
1
原创 【Caffe代码解析】compute_image_mean
功能： 计算训练数据库的平均图像。 因为平均归一化训练图像会对结果有提升，所以Caffe里面，提供了一个可选项。使用方法： compute_image_mean [FLAGS] INPUT_DB [OUTPUT_FILE]\n”) 参数：INPUT_DB： 数据库 参数（可选）：OUTPUT_FILE： 输出文件名,不提供的话，不保存平均图像blob
2015-06-04 15:51:35
12903
9
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人