原创 windows下的純c++版 Faster R-CNN
效果如下圖： 最新的源代碼放在github上，https://github.com/huaze555/windows-caffe-faster-rcnn，支持訓練和測試，自己下載用VS2013編譯即可，編譯步驟跟微軟版的caf
2018-08-21 01:18:20
4
原创 機器學習面試題
原文鏈接 http://blog.csdn.net/hguo11/article/details/78059085 海康 1.電話面試： 介紹你做的項目？ 特徵選擇方法? 解釋logostic迴歸？ 說一
2018-08-21 01:18:20
1
原创 純C++版的Faster R-CNN（通過caffe自定義RPN層實現）
這裏介紹的是通過添加自定義層（RPN層）代替python層，實現c++版的Faster R-CNN，因爲去掉python了，所以部署時不會因爲牽扯到python庫等其它的莫名其妙的錯誤，使用起來就跟單純的caffe一樣，
2018-08-21 01:18:20
原创 添加自定義層- 打印precision-recall的調和平均指標F1值
由於caffe在訓練時，默認只會打印準確率和loss等相關信息，但是在特定任務中，可能還想看下訓練過程，每一類的精確率和召回率是怎麼變化的，所以這裏添加一個自定義層，用於打印precision-recall信息，但是由於當類別多時，每個類
2018-08-21 01:18:07
5
原创 caffe之SoftmaxWithLoss層 自定義實現
caffe中的各層實現，因爲封裝了各種函數和爲了擴展，在提升了效率的同時，降低了一定的代碼可讀性，這裏，爲了更好地理解softmax以及caffe中前向傳播和反向傳播的原理，我用通俗易懂的代碼實現了SoftmaxWithL
2018-08-21 01:18:07
3
原创 人臉檢測、人臉對齊（MTCNN方法）
衆所衆知，嚴格定義上的人臉識別分爲四個步驟： ①人臉檢測：從圖片中準確定位到人臉 ②人臉矯正（對齊）： 檢測到的人臉，可能角度不是很正，需要使其對齊 ③對矯正後的人臉進行特徵提取 ④對兩張人臉圖像的特徵向量進行對比，計算相似度 這裏，我們
2018-08-21 01:18:07
55
原创 用基於center loss的人臉識別模型對LFW人臉數據集進行評測（c++）
接上一篇博文，這篇博文主要是進行人臉識別中的第③和第四個步驟：特徵提取以及相似度計算。 center loss是2016的一篇ECCV論文中提出來的，A Discriminative Feature Learni
2018-08-21 01:18:07
5
原创 訓練好caffemodel後，提取人臉圖片的特徵向量
這篇博客主要介紹下用C++代碼，提取出一張人臉圖片的特徵向量，這裏的網絡，是上文中用到了center loss的網絡，根據論文裏介紹的，我們提取出人臉圖片以及該圖片的上下翻轉圖各自經過網絡在fc5層輸出的特徵向量，然後將兩者拼起來
2018-08-21 01:18:07
14
原创 caffe之特徵圖可視化及特徵提取
上一篇博客，介紹了怎麼對訓練好的model的各層權重可視化，這篇博客，我們介紹測試圖片輸入網絡後產生的特徵圖的可視化 記得上篇中，我們是寫了一個新的文件test.cpp，然後編譯運行那個文件的，這是因爲權重可視化，是不需要網絡的前向傳播，
2018-08-21 01:18:06
11
原创 caffe之classification.cpp 接口源碼解讀
第一次寫博客，平時我學習東西一般都是從博客上看的，受益匪淺，也覺得養成個寫博客的習慣是對自己知識的鞏固是極好的，當然如果能幫到別人，那就再好不過了~ 我們知道Caffe本身就是用c++寫的，在用caffe訓練mod
2018-08-21 01:18:06
3
原创 caffe之網絡權重可視化（C++實現）
在上一篇博客中，已經介紹了caffe用訓練好的model對一副測試圖片進行分類的c++實現過程。 今天，我們來看對一個訓練好的model，用c++進行model的網絡權值的可視化，比如看看網絡中的第一個卷積層c
2018-08-21 01:18:01
16