- 博客(102)
- 资源 (27)
- 收藏
- 关注
原创 活体检测论文研读四:RetinaFace: Single-stage Dense Face Localisation in the Wild
RetinaFace: Single-stage Dense Face Localisation in the Wild论文简介论文提出了一种强大的单阶段面部检测器RetinaFace,通过联合外监督(extra-supervised)和自监督(self-supervised)多任务学习的优势,在各种规模的人脸上执行像素级人脸定位,并实现了在WIDER FACE数据集上的最佳表现(SOTA)主要贡献➢在WIDER FACE数据集上手动标注了五个facial landmarks,通过这种额外的辅助监
2021-02-03 12:07:11 1255
原创 PyTorch-basic-tutorial
PyTorch-basic-tutorialbasic tutorial for pytorch1.xHow to read these tutorialsThis tutorial is divided into 12 parts, from linear regression to logistic regression. The framework used includes PyTorch 1.x version Each part is described in detail on my
2021-01-14 17:07:11 195
原创 活体检测论文研读三:Learning Deep Models for Face Anti-Spoofing: Binary or Auxiliary Supervision
Learning Deep Models for Face Anti-Spoofing: Binary or Auxiliary Supervision论文简介一、指出先前的深度学习方法将人脸反欺骗问题视为一个简单的二分类问题,将Spoof Face和Live Face分别采用简单的0,1标签进行监督学习。这样的神经网络很难抓住足够的欺骗线索并且对线索的归纳性很差二、论证辅助监督在引导神经网络学习区别和归纳线索方面的重要性三、提出了一种新的CNN-RNN模型。利用基于像素级的监督方式来估计人脸的深度
2020-11-08 20:49:26 2142 3
原创 【飞桨】Seg:U-Net【2015 MICCAI】论文研读
U-Net: Convolutional Networks for BiomedicalImage Segmentation论文简介一、提出新的全卷积神经网络(Fully Convolutional Network, FCN)U-Net,并指出其在ISBI挑战赛的表现要优于之前所有采用滑动窗口的卷积网络(a sliding-window convolutional network)二、新提出的U-Net网络利用Encoder-Decoder的方式(原文描述为:The architecture con
2020-10-26 01:57:29 1554 4
原创 活体检测论文研读二:Learn Convolutional Neural Network for Face Anti-Spoofing
Learn Convolutional Neural Network for Face Anti-Spoofing
2020-10-12 01:23:10 1374
原创 活体检测论文研读一:Live Face Detection Based on the Analysis of Fourier Spectra
Live Face Detection Based on the Analysis of Fourier Spectra论文简介➢提出使用傅里叶分析的方法进行人脸活体检测➢提出HFD与FDD两种算法对人脸进行精确的描述主要贡献➢利用真实人脸与造假人脸在频域分布的不同作为区分特征论文创新➢提出一种新的静默活体检测算法方案,并进行定量分析论文方法通过真假脸在傅里叶域的不同来进行区分利用频域对活体进行区分论文研读HFD方法的提出论文中描述的攻击人脸主要包括纸张、视频设备屏幕、照
2020-09-14 01:05:45 1114 1
原创 【飞桨】GAN:U-GAT-IT【2020 ICLR】论文研读
Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation 论文精度
2020-08-06 17:57:52 2264 3
原创 TensorFlow-basic-tutorial
TensorFlow-basic-tutorialbasic tutorial for tensorflow1.xand also for TensorFlow2.xHow to read these tutorialsThis tutorial is divided into 10 parts, from linear regression to logistic regression. The framework used includes TensorFlow 1.x version an
2020-06-07 17:01:29 277 6
原创 ubuntu16.04一步到位安装CUDA10.02、PyTorch、PaddlePaddle、TensorRT
ubuntu16.04一步到位安装CUDA10.02、PyTorch、PaddlePaddle、TensorRT
2021-12-31 15:29:08 1712
原创 Learning Discriminative Features with Multiple Granularities for Person Re-Identification
全局特征和局部特征的结合已经成为在人的重识别任务中提高辨别性能的基本解决方案。以前的基于部分的方法主要集中在定位具有特定预定义语义的区域来学习局部表示,这增加了学习难度,但对于具有大差异的场景来说效率不高或不健壮。在本文中,我们提出了一种端到端的特征学习策略,该策略集成了不同粒度的判别信息。我们精心设计了多粒度网络(Multiple Granularity Network,MGN),这是一个多分支的深度网络体系结构,由一个用于全局特征表示的分支和两个用于局部特征表示的分支组成。我们不是在语义区域上学习,而是
2021-07-22 11:07:49 1044
原创 Trans2Seg代码运行
文章目录Clone源码准备数据集代码编译并运行apex编译(可选)segmentron编译运行注意到此仓库请使用Linux平台运行Clone源码源码地址点击此处https://github.com/xieenze/Trans2Seg.git然后你需要修改Trans2Seg-master/segmentron/solver/loss.py文件,删除或注释第九行的from ..models.pointrend import point_sample,同时需要删除或注释掉391-414行的内容,删除4
2021-07-08 15:11:18 988 2
原创 Jupyter内注册Kernel,方便切换多个环境
Anaconda环境往往我们需要拥有多个Python开发环境,这一般使用Anaconda来创建和控制虚拟环境,编写程序时,往往使用轻量的Jupyter环境,但是对于不同的环境切换,我们可能需要开多个Jupyter,因此这里介绍如何在Jupyer中注册各个环境的Kernel,使用一个Jupyter方便切多个环境注册Kernel首先激活你的环境并保证每个环境都有安装Jupyer(Jupyter-Lab和Jupyter-Notebook同样适用),然后安装ipykernel,最后注册Kernelcond
2021-06-25 20:56:21 1463 3
原创 Win10实时刷新NVIDIA-SMI显卡信息
python程序nvidia_smi.pyimport timeimport subprocessimport localeimport codecsimport oscmd = "nvidia-smi"interval = 1while True: ps = subprocess.Popen(cmd, stdin=subprocess.PIPE, stdout=subprocess.PIPE, shell=True) for i in range(0,20):
2021-06-21 22:52:37 1636
原创 Jupyter导入Args参数报错
报错来源当我参见【中国软件开源创新大赛:开源任务挑战赛(顶会论文复现赛)】时,在jupyter中使用from option import args,如下为option.py内容import argparseparser = argparse.ArgumentParser(description='MGN')parser.add_argument('--nThread', type=int, default=2, help='number of threads for data loading')
2021-06-20 21:46:34 754
原创 【百度论文复现赛】ArcFace: Additive Angular Margin Loss for Deep Face Recognition
文章目录摘要IntroductionProposed ApproachArcFaceSphereFace与CosFace的比较与其它损失函数比较ArcFace: Additive Angular Margin Loss for Deep Face Recognition摘要使用Deep Convolutional Neural Networks进行大规模人脸识别的特征学习的主要挑战之一是设计适当的损失函数来增强鉴别能力。Centre loss通过惩罚深层特征和它们对应类中心之间的欧氏距离,以实现类内紧
2021-06-16 22:10:02 1707 14
原创 活体检测论文研读六:Searching Central Difference Convolutional Networks for Face Anti-Spoofing
论文简介人脸反欺骗(Face anti-spoofing,FAS)中的大多数最先进的方法往往存在以下缺点:1)都是通过设计专门的网络结构和堆叠卷积操作实现的,这种方法难以描述图像的细粒度信息,并且这样的方法容易受到环境变化的影响(如照明不同)2)采用多帧输入的方式,实时性方面欠缺,难以部署到实时响应的环境当中因此本文提出一种新的卷积操作——中心差分卷积(Central Difference Convolution,CDC),并基于这种卷积操作提出了一种新的frame-level人脸反欺骗结构。该方法
2021-03-02 19:48:43 3942 11
原创 活体检测论文研读五:Face De-Spoofing: Anti-Spoofing via Noise Modeling
摘要:许多先前的工作都是研究和开发判别模型通过区别真假脸的的细微差异来实现人脸反欺骗,这些方法将图像视为一个不可分割的整体,对图片进行整体处理而没有对欺骗过程进行清楚的建模。受到噪声建模以及去噪算法的影响,提出噪声建模的人脸反欺骗方法:通过将伪造人脸分解为伪造噪声以及真实人脸,然后利用伪造噪声进行分类来实现人脸反欺骗,本文通过CNN架构实现,通过提出适当约束以及监督来弥补分解图像没有ground truth的问题。通过在大量人脸反欺骗数据集上的评估,其结果显示噪声建模的反欺骗模型有希望改进人脸反欺骗性能,此
2021-02-26 11:53:37 1427
原创 JupyterLab无法打开终端窗口
文章目录错误描述解决方案总结错误描述本地Anaconda使用pip install jupyterlab后使用jupyter-lab打开窗口创建Terminal出现错误Launcher Error、Unhandled error、Dismiss解决方案通过查询Anaconda窗口信息发现报错如下:Traceback (most recent call last): File "e:\anaconda3\envs\pytorch1.6.0\lib\site-packages\torna
2021-02-01 15:59:00 9822 5
原创 PaddlePaddle-basic-tutorial
PaddlePaddle-basic-tutorialA basic tutorial for paddlepaddle2.0 versionHow to read these tutorialsThis tutorial is divided into 9 parts, from linear regression to logistic regression. The framework used includes PaddlePaddle2.x low-level API and advan
2021-01-21 11:50:07 252
原创 PaddlePaddle tutorial Ⅸ——LSTM for Classification & Regression
文章目录LSTM实现分类任务数据集获取导入必要的包数据处理数据装载建模训练LSTM实现回归任务数据集获取数据集装载建模训练LSTM实现分类任务数据集获取本次使用数据集为MNIST数据集,为了方便起见,这次数据集的读取采用导入必要的包import paddleimport paddle.nn as nnimport numpy as npimport osfrom paddle.vision.datasets import MNISTfrom paddle.io import Datase
2021-01-21 11:29:10 271
原创 PaddlePaddle tutorial Ⅷ——UNet of Segmentation
文章目录UNet网络结构数据集下载导入必要的包数据处理数据装载建模训练定义UNet结构定义彩色映射函数定义评价函数开始训练模型预测及可视化VisualDL可视化UNet网络结构本案例参考来源于Paddle官方文档,可前往此处查看官方案例,由于本地显存资源有限,这里使用Baidu AIStudio进行运算,AIStudio提供了高性能的Tesla V100计算卡,可以通过nvidia-smi查看显卡信息!nvidia-smiTue Jan 19 18:05:20 2021 +-----
2021-01-21 11:27:27 603 1
原创 PaddlePaddle tutorial Ⅶ——Augmentation for Image
文章目录图像数据functionalTransform图像数据本次使用的图片为lena.jpg,图像来源于百度百科Paddle提供两种转换方式,一种是利用functional进行转换,类似于使用函数的方式。另一种是使用Transform方式,这种方式可以将所有的转换方法存入一个列表,使用更加方便。数据增强采用的图像格式为PIL,更多增强方式参见官方文档import numpy as npfrom PIL import Imagefrom paddle.vision.transforms imp
2021-01-21 11:19:46 181
原创 PaddlePaddle tutorial Ⅴ——Cifar10 Convolutional Neural Networks
文章目录数据获取导入必要的包数据处理建模训练模型验证VIsualDL可视化数据获取wget https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz有关Cifar10数据的更多详细信息参见此篇博客,里面包含了详细的数据读取代码段以及数据文件介绍,为了方便起见,我们采用Paddle自带的datasets模块获取数据集 airplane
2021-01-21 11:15:02 270 1
原创 PaddlePaddle tutorial Ⅵ——VGG transfer Learning
文章目录导入必要的包数据集制作数据集装载构建VGG网络模型的保存模型预测及其可视化VisualDL可视化导入必要的包import osimport paddleimport numpy as npfrom visualdl import LogWriterfrom PIL import Imageimport paddle.nn.functional as Ffrom paddle.io import Datasetfrom paddle.vision.transforms import
2021-01-21 11:02:10 323
原创 PaddlePaddle tutorial Ⅳ——AutoEncoder
文章目录导入必要的包数据可视化数据装载定义AutoEncoder动图生成三维分布可视化导入必要的包这里我们使用MNIST数据集,采用Paddle框架自带的MNIST模块进行读取import mathimport numpy as npimport matplotlib.pyplot as pltimport paddleimport paddle.nn as nnfrom paddle.vision.datasets import MNIST,Cifar10from paddle.io i
2021-01-21 10:59:47 324
原创 PaddlePaddle tutorial Ⅲ——Fashion-Mnist Full Connect Networks
文章目录数据集获取导入必要的包数据处理数据可视化数据装载建模训练模型验证VIsualDL可视化数据集获取Fashion-Mnist数据集的格式与Mnist数据集相同,为了更通用,我们采用从原始数据文件进行数据的读取,有关更多的数据读取方式可参见我之前发的一篇博客你可以在AIStudio数据集选项卡下获取此数据集,或在github仓库获取此数据集第一类第二类第三类第四类第五类第六类第七类第八类第九类第十类0123456789T-shirt/t
2021-01-21 10:56:43 227
原创 PaddlePaddle tutorial Ⅱ——Multiple linear classification
文章目录数据集获取导入必要的包数据处理数据集制作建模训练使用Paddle高层API模型验证使用Paddle低阶APIVisualDL可视化数据集获取可在AIStudio下载数据集,关于数据集的详细描述可以参见我之前的一篇博客主成分分析原理及应用导入必要的包import paddleimport numpy as npimport osimport matplotlibimport matplotlib.pyplot as pltimport pandas as pdimport seab
2021-01-21 10:53:13 156
原创 PaddlePaddle tutorial Ⅰ——Multiple linear regression
文章目录数据获取模块导入数据处理建模训练模型预测VisualDL数据获取下载数据文件可以通过wget https://archive.ics.uci.edu/ml/machine-learning-databases/housing/housing.data -O housing.data命令或通过链接在网页端下载。关于波斯顿房价数据集的介绍可以参见我之前发的这篇博客模块导入import paddleimport numpy as npimport osimport matplotlibim
2021-01-21 10:47:46 331
原创 Win10安装openslide-python接口处理医学SYS格式文件
下载首先进入官网下载Win10平台的Binaries文件,需要根据自己的系统下载32位或64位Binaries文件配置与安装然后解压,放置在你想要放置的目录,添加bin以及lib环境变量然后输入pip install openslide-python安装完成后就可以使用了SVS转PNG我们以文件夹第一张图为例,由于这里我们的SVS存储的格式为RGBA四个通道,所以转成jpeg会报错(别问我怎么知道它存的RGBA,因为我存JPG报错了的φ(゜▽゜*)♪),报错如下:---------
2020-12-30 01:52:13 567 3
原创 PyTorch 笔记Ⅻ——DQN Reinforcement Learning
由于我主要做CV部分因此这一部分不是很理解,所以直接上代码吧。主提程序来自Pytorch官网,英文注释能看懂就看吧,等我有空系统学习一下再来整理整个逻辑,博客代码就先放这里了看φ(゜▽゜*)♪导入必要的包import gymimport mathimport randomimport numpy as npimport matplotlibimport matplotlib.pyplot as pltfrom collections import namedtuplefrom iterto
2020-12-29 20:56:05 331
原创 PyTorch 笔记Ⅺ——Autoencoder
文章目录导入必要的包自编码网络参数与数据网络构建可视化损失函数可视化动图可视化三维分布可视化导入必要的包from torch.utils.data import DataLoaderimport torchvisionimport torch.nn as nnimport matplotlib.pyplot as pltimport numpy as npimport torchtorch.__version__'1.6.0'自编码网络参数与数据设置超参数torch.manu
2020-12-29 20:31:35 306
原创 PyTorch 笔记Ⅹ——迁移学习ResNet18_&_VGG16
文章目录获取所使用的NVIDIA显卡设备谷歌云盘挂载及数据读取导入必要的包数据集制作获取设备信息数据可视化ResNet18ResNet18模型获取与配置参数配置开始训练模型读取与预测PIL与Transform读取方式VGG16VGG16模型获取与配置参数配置开始训练模型读取与预测OpenCV读取方式PIL与OpenCV对比OpenCV归一化处理图像PIL归一化处理图像获取所使用的NVIDIA显卡设备!nvidia-smiTue Sep 1 10:29:57 2020 +-------
2020-12-29 20:27:50 3275
原创 PyTorch 笔记Ⅸ——数据增强
文章目录数据增强说明导入必要的包读取图片并显示显示方式一显示方式二Pytorch 数据增强transforms 之旋转transforms 之裁剪transforms.functional 之裁剪特殊数据增强方式Augmentor导入 Augmentor 包读取图像并进行弹性形变数据增强实践导入新需要的模块定义数据增强函数开始处理效果展示数据增强说明1.本次将演绎常用的Pytorch数据增强方式2.本次将简单介绍数据增强模块Augmentor的使用方式导入必要的包import PIL.Image
2020-12-29 20:17:26 2733 3
原创 PyTorch 笔记Ⅷ——cifar10卷积神经网络
文章目录torchvision使用导入必要的包数据获取与数据处理部分数据展示开始训练CPU 训练类别准确率测试GPU 训练%matplotlib inline注意:本节将主要展示CPU与GPU训练差异以及torchvision使用,对于训练可视化以及其它部分等予以省略torchvision使用一般情况下处理图像、文本、音频和视频数据时,可以使用标准的Python包来加载数据到一个numpy数组中。然后把这个数组转换成 torch.*Tensor。图像可以使用 Pillow, OpenCV音
2020-12-29 20:11:34 1098
原创 PyTorch 笔记Ⅶ——mnist手写数字识别
导入必要的包%matplotlib inlineimport torchimport sysimport torch.nn as nnimport torch.utils.data as Dataimport torchvisionfrom mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltfrom matplotlib import cmimport numpy as npfrom torchsumma
2020-12-29 20:00:13 567
原创 PyTorch 笔记Ⅵ——Titanic 及 breast_cancer 分类应用
文章目录Titanic导入本次需要的包数据预处理数据集生成获取设备信息开始训练训练效果可视化类别验证Jack & RoseBreast Cancer数据读取与展示数据归一化开始训练训练效果可视化Titanic导入本次需要的包import numpy as npimport pandas as pdimport torchimport torch.nn as nnimport torch.utils.data as Dataimport urllib.requestfrom skle
2020-12-29 19:52:14 542
TensorFlow1.x_GAN_and_CGAN.zip
2020-06-06
mnist_and_fashion-mnist_tutorial.ipynb
2020-05-24
TensorFlow2.x_keras_and_tfrecords.ipynb
2020-05-22
Lecture_8_NLP.zip
2020-05-07
Lecture_7_TransferLearning.zip
2020-05-06
inception5h_tensorflow_keras.zip
2020-05-03
Lecture_6_DeepDream.zip
2020-05-03
data_augmentation.zip
2020-04-30
Lecture_5_CNN.zip
2020-04-30
Lecture_4_Titanic.zip
2020-04-29
Mnist_Handwrite_tutorial.zip
2020-04-26
BostonHousePrices_tutorial.zip
2020-04-22
boston_dataset.zip
2020-04-22
Lecture_1_tensorflow2.x.ipynb
2020-04-21
Lecture_1_tensorflow1.x.ipynb
2020-04-21
TensorFlow_2.x_tutorial.ipynb
2020-04-20
coco.names
2020-04-11
yolov3.cfg
2020-04-11
OpenCV_object_detection_tutorial.ipynb
2020-04-11
cats_vs_dogs_tutorial.ipynb
2020-04-08
tfrecord_toturial.ipynb
2020-04-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人