程序员-图哥

摘要： 1. 简介 人脸关键点检测也称为人脸对齐，目的是自动定位一组预定义的人脸基准点（比如眼角点、嘴角点）。作为一系列人脸应用的基础，如人脸识别和验证，以及脸部变形和人脸编辑。这个问题一直以来都受到视觉界的高度关注，在过去的几年里，我们的产品取得了很大的进步。然而，开发一种实用的人脸关键点检测器仍然具有挑 阅读全文

摘要： 1. 简介 FaceBoxes是一个足够轻量的人脸检测器，由中国科学院自动化研究所和中国科学院大学的研究者提出，旨在实现CPU下的实时人脸检测，FaceBoxes论文是《FaceBoxes: A CPU Real-time Face Detector with High Accuracy》。里面有一 阅读全文

摘要： 1. 摘要 相比传统方法，受益于端到端训练，基于学习的图像超分方法取得了越来越好的性能(无论是性能还是计算效率)。然而，不同于基于建模的方法可以在统一的MAP框架下处理不同尺度、模糊核以及噪声水平的图像超分，基于学习的图像超分缺乏上述灵活性。 ​ 为解决上述问题，作者提出一种端到端可训练展开的网络， 阅读全文

摘要： 1. 中值滤波原理 中值滤波算法以某像素的领域图像区域中的像素值的排序为基础，将像素领域内灰度的中值代替该像素的值[1]； 如：以3*3的领域为例求中值滤波中像素5的值 int pixel[9]中存储像素1，像素2...像素9的值； 对数组pixel[9]进行排序操作； 像素5的值即为数组pixel 阅读全文

摘要： 1. IOU 交并比（Intersection-over-Union，IoU），目标检测中使用的一个概念，是产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。 计算公式： C++代码： 阅读全文

摘要： 1. 卷积的三种模式 深度学习框架中通常会实现三种不同的卷积模式，分别是 SAME、VALID、FULL。这三种模式的核心区别在于卷积核进行卷积操作的移动区域不同，进而导致输出的尺寸不同。我们以一个例子来看这三种模式的区别，输入图片的尺寸是5x5 ，卷积核尺寸是 3x3 ，stride 取 1。 1 阅读全文

摘要： 1. 棋盘效应 当我们要用到深度学习来生成图像的时候，是往往是基于一个低分辨率且具有高层语义的图像。这会使得深度学习来对这种低分辨率图像进行填充细节。一般来说，为了执行从低分辨率图像到高分辨率图像之间的转换，我们往往要进行deconvolution。简单来说，deconvolution layer可 阅读全文

摘要： 1. 背景 训练集全是16x16，32x32之类的小图，达到上千万张，训练时发现数据加载很慢很慢很慢！！！看了下CPU 内存 GPU使用情况，发现CPU使用率都跑到90%去了，GPU使用率却较低 2. 解决方法 2.1 预处理提速 尽量减少每次读取数据时的预处理操作，可以考虑把一些固定的操作，例如 阅读全文

摘要： 1. 背景 很多人脸识别算法都是以分类的方式进行训练的，分类的训练方式中存在一个很大的问题，就是模型的最后一个全连接层的参数量太大了，以512为特征为例： 类别数参数矩阵尺寸参数矩阵大小（MB） 100w类别——1953MB 200w类别——3906MB 500w类别——9765MB 类别再多的话， 阅读全文

摘要： 1. 背景 直方图均衡化在图像增强方面有着很重要的应用。一些拍摄得到的图片，我们从其直方图可以看出，它的分布是集中于某些灰度区间，这导致人在视觉上感觉这张图的对比度不高。所以，对于这类图像，我们可以通过直方图均衡技术，将图像的灰度分布变得较为均匀，从而使得图像对比度增大，视觉效果更佳。 2. 原理 阅读全文