ET资源温馨提示:深度学习课程人脸识别 人脸检测项目实战人脸检测项目实战目的:检测到人脸框(1):数据数据获取:1.Benchmark是一个行业的基准(数据库,论文,源码,结果)。2.优秀论文,通常实验阶段都会介
ET资源正文:

深度学习课程人脸识别 人脸检测项目实战

人脸检测项目实战目的:

检测到人脸框(1):数据数据获取:1.Benchmark是一个行业的基准(数据库,论文,源码,结果)。

2.优秀论文,通常实验阶段都会介绍它所使用的数据集,公开数据集可以下载。

申请数据集的时候,最好使用学校的邮箱。

3.论坛或者交流社区,比如thinkface

4.数据的规模 越大越好 今天的数据量4W多 二分类数据,第一类人脸,第二类非人脸人脸数据:路径/xxx.jpg  60,80,280,320

非人脸数据:只要不是人脸都是可以的对于正样本:裁剪的操作,根据标注的坐标把人脸裁剪出来。可以opencv这个工具,来完成制作人脸数据。要检查一下,看一看数据有没有问题。对于负样本:进行一个随机的裁剪,IOU这个比例(重叠的比例)在原始的数据当中,IOU<0.3认为是一个负样本,最好是拿没有人脸数据的当作负样本。制作LMDB数据源(其实它就是caffe支持的非常常用的分类的数据源)写两个txt文档文件Train.txt0/xxx.jpg 01/xxx.jpg 1Val.txtxxx.jpg 0xxx.jpg 1制作LMDB数据源,用caffe提供的脚本文件前几行改成自己的安装目录要进行一个resize操作,比如ALEXNET或者VGG通常都是

给它resize 227*227.Sh LMDB脚本文件。文件是很大的(2)训练ALEXNET网络把最后一层全连接改成你要分类的类别个数(人脸检测来

说就是2)Solver文件Test_iter:咱们一次测试,要测试多少个batch最好让test_iter*batch_size = 测试集中样本总个数Base_lr 基础的学习率,太重要了,不能太大网络训练的速度跟什么最相关?1.网络的模型大小,网络越大速度越慢。2.数据输入的大小,227*227 和 32*32的,可能要慢几百倍。输入越大,网络越慢。人脸代码:多尺度的人脸检测(1)model转换成全卷积(2)多个scale(3)前向传播,得到特征图,概率值矩阵(4)反变换,映射到原图上的坐标值(5)NMS非极大值抑制问题:速度太慢了,因为咱们做了多个scale,每个scale都要进行一次前向传播。解决:采取级联的网络,再加上矫正网络。


深度学习课程人脸识别 人脸检测项目实战
深度学习课程人脸识别 人脸检测项目实战标题图片
本信息由 会员:bjwj007 整理发布。
本站声明:
1:本站不存储任何资源文件,敬请周知!本站所有资源仅供技术人员研究学习使用,如需商业使用请直接联系版权方获取授权!
2:本站信息若非特殊注明均为会员搜集发布,本站不对资源提供任何技术支持,请自行研究学习。
3:本站客服仅对站点使用提供咨询解答,不涉及任何资源内容信息。
4:本站不销售任何资源,我们仅提供技术交流分享服务。
5:如果此资源信息对你的权益造成困扰,请直接点击标题下的《投诉/版权异议》提交您的有效证明信息,我们会及时处理相关信息并且通知相关会员。

et资源
et资源 » 深度学习课程人脸识别 人脸检测项目实战
标签:人脸识别   编程学院

答疑解惑FAQ

评论

发表评论