原创 TensorFlow 模型保存/載入

TensorFlow 模型保存/載入 我們在上線使用一個算法模型的時候,首先必須將已經訓練好的模型保存下來。tensorflow保存模型的方式與sklearn不太一樣,sklearn很直接,一個sklearn.external

原创 人體骨骼關鍵點檢測

人體骨骼關鍵點檢測 coco數據集獲取 從官網上下載coco數據集:會有一個這個的文件:person_keypoints_val2017.json,coco數據集提供了python的API . 由於coco數據集可以用於需要的任務

原创 人體骨骼關鍵點檢測中的heatmap 與vectormap 生成

一.綜述:     人體骨骼關鍵點檢測已經非常成熟了,參考曹哲大神的論文,可以知道其論文中的採用自下而上的方式,檢測人體骨骼關鍵點。     採用的方式與自頂向下的方式的區別比較大,自定向下的方式首先是檢測人體,在人體區域內迴歸出人體的骨

原创 tensorflow 生成.pb文件,加載.pb文件---遷移學習

這篇薄荷主要是講了如何用tensorflow去訓練好一個模型,然後生成相應的pb文件。最後會將如何重新加載這個pb文件。 train 首先說一下train。一開始當然是讀圖片啦。 用io.imread來讀取每一張圖片,然後resize

原创 卷積神經網絡物體檢測---空間金字塔池化的

一、相關理論   本篇博文主要講解大神何凱明2014年的paper:《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》,這篇pap

原创 TensorFlow變量共享和數據讀取

1、變量共享  前面已經說過如何進行變量的生成和初始化內容,也用到了命名空間的概念,這裏說一下什麼是變量共享。當我們有一個非常龐大的模型的時候免不了需要進行大量的變量共享,而且有時候還希望能夠在一個地方初始化所有的變量,這就需要tf.va

原创 卷積神經網絡物體檢測---邊框迴歸(Bounding Box Regression)詳解

Bounding-Box regression最近一直看檢測有關的Paper, 從rcnn, fast rcnn, faster rcnn, yolo, r-fcn, ssd,到今年cvpr最新的yolo9000。這些paper中損失函數

原创 python os.path模塊常用方法詳解

python os.path模塊常用方法詳解os.path模塊主要用於文件的屬性獲取,在編程中經常用到,以下是該模塊的幾種常用方法。更多的方法可以去查看官方文檔:http://docs.python.org/library/os.path

原创 生成對抗神經網絡

對抗生成網絡,其實就像周伯通,左手打右手,不用陪練,自己就能練成絕世武功! 先說一個對我學習有很大幫助的故事: 剛參加工作時,頂頭上級是跟我年紀相仿的年輕人,據說家裏有點關係。 有一天交給我一

原创 tensorflow種的梯度計算與梯度應用

gradienttensorflow中有一個計算梯度的函數tf.gradients(ys, xs),要注意的是,xs中的x必須要與ys相關,不相關的話,會報錯。 代碼中定義了兩個變量w1, w2, 但res只與w1相關#wrong imp

原创 TensorFlow中的optimizer

TensorFlow中的optimizer中包含了好幾種方式(類),但是每一種方式都包含一下方法: 1. compute_gradients();2.apply_gradients();3.minimize();TensorFlow中的優

原创 tensoeflow 凍結網絡模型

凍結模型文件 本文基於mnist與lenet,講述如下兩個問題: 1.如何將訓練好的網絡模型凍結,形成net.pb文件? 2.如何將net.pb文件部署到TensorFlow中做inference? pb文件保存的步驟 1.需要給inp

原创 徹底搞清C++中的重載、重定義、重寫

1、重載 首先說重載,它最簡單,C++中的重載和java中的差不多,都是在一個類中,方法名相同而參數不同的幾個方法,但是不能靠返回類型來判斷。例如: class AA { public: void print() {

原创 Lucas–Kanade光流算法

簡介:在計算機視覺中,Lucas–Kanade光流算法是一種兩幀差分的光流估計算法。它由Bruce D. Lucas 和 Takeo Kanade提出。光流的概念:(Optical flow or optic flow)它是一種運動模式,

原创 循環神經網絡--LSTM(長短時記憶網絡)

循環神經網路 基本的循環神經網絡 下圖是一個簡單的循環神經網絡,它由輸入層、隱藏層和一個輸出層組成。 其中,x 是輸入層的值,U是輸入層到隱藏層的權重,s是隱藏層的輸出的值,V是隱藏層到輸出層的權重,o是輸出,環神經網絡的隱藏層的值