基于insightface实现的人脸识别和人脸注册

  |   0 评论   |   0 浏览   |   夜雨飘零

然后开始编写人脸识别和人脸注册工具类,使用 insightface.app.FaceAnalysis() 可以获取模型对象,这里包含了三个模型,首先是人脸检测模型,然后是人脸特征提取模型,和最后的性别年龄识别模型。使用 model.prepare() 可以配置 ctx_id 指定使用哪一块 GPU,如果是负数则是使用 CPU 执行预测,nms 配置的是人脸检测的阈值。load_faces() 函数是加载人脸库中的人脸,用于之后的人脸识别对比。

Android基于图像语义分割实现人物背景更换

  |   0 评论   |   0 浏览   |   夜雨飘零

本教程是通过 PaddlePaddle 的 PaddleSeg 实现的,该开源库的地址为:http://github.com/PaddlPaddle/PaddleSeg ,使用开源库提供的预训练模型实现人物的图像语义分割,最终部署到 Android 应用上。关于如何在 Android 应用上使用 PaddlePaddle 模型,可以参考笔者的这篇文章《基于 Paddle Lite 在 Android 手机上实现图像分类》

本教程开源代码地址:https://github.com/yeyupiaoling/ChangeHumanBackground

谈谈 Vue 中的 v-model 与 sync

  |   0 评论   |   0 浏览   |   Erioifpud

说实话,这个修饰符我用得很少,不是因为他没有用,实际上他和 v-model 的功能基本上(为什么是基本,下文有解释)是一样的,但是 v-model 在一个组件上只能出现一次,试想一下,如果你需要双向绑定多个变量怎么办?最基础的写法如下:

CSS 中的“毛玻璃”效果

  |   0 评论   |   0 浏览   |   Erioifpud

毛玻璃这种模糊效果在各种应用程序中见得不少,实际上这种显示效果在 CSS 中也能做到,而且可以分成两种类型,分别是元素本身模糊元素背景模糊(指的是被元素覆盖的区域),光是用文字描述可能不太清晰,以下是对比图:

基于PaddlePaddle实现的目标检测模型PP-YOLO

  |   1 评论   |   0 浏览   |   夜雨飘零

PP-YOLO 是 PaddleDetection 优化和改进的 YOLOv3 的模型,其精度(COCO 数据集 mAP)和推理速度均优于 YOLOv4 模型,PP-YOLO 在 COCO test-dev2017 数据集上精度达到 45.9%,在单卡 V100 上 FP32 推理速度为 72.9 FPS, V100 上开启 TensorRT 下 FP16 推理速度为 155.6 FPS。

本教程源码地址:https://github.com/yeyupiaoling/PP-YOLO

Ubuntu修改开机引导顺序

  |   0 评论   |   0 浏览   |   夜雨飘零

三步实现 Ubuntu 修改开机引导顺序

  1. 执行以下命令,编辑配置文件:
sudo vim /etc/default/grub
  1. 将第一行非注释代码改成你要启动的系统顺序就可以,如笔者的 Windows 系统是第三个,所以设置为 2。
GRUB_DEFAULT=2
  1. 最后更新启动引导即可,重启试试。
sudo update-grub

基于Paddle Lite在Android手机上实现图像分类

  |   0 评论   |   0 浏览   |   夜雨飘零

Paddle Lite 是飞桨基于 Paddle Mobile 全新升级推出的端侧推理引擎,在多硬件、多平台以及硬件混合调度的支持上更加完备,为包括手机在内的端侧场景的 AI 应用提供高效轻量的推理能力,有效解决手机算力和内存限制等问题,致力于推动 AI 应用更广泛的落地。

基于Pytorch实现的MASR中文语音识别

  |   0 评论   |   0 浏览   |   夜雨飘零

MASR 使用的是门控卷积神经网络(Gated Convolutional Network),网络结构类似于 Facebook 在 2016 年提出的 Wav2letter,只使用卷积神经网络(CNN)实现的语音识别。但是使用的激活函数不是 ReLU 或者是 HardTanh,而是 GLU(门控线性单元)。因此称作门控卷积网络。根据我的实验,使用 GLU 的收敛速度比 HardTanh 要快。

  • 以下用字错误率 CER 来衡量模型的表现,CER = 编辑距离 / 句子长度,越低越好,大致可以理解为 1 - CER 就是识别准确率。

基于Tensorflow2 Lite在Android手机上实现图像分类

  |   1 评论   |   0 浏览   |   夜雨飘零

Tensorflow2 之后,训练保存的模型也有所变化,基于 Keras 接口搭建的网络模型默认保存的模型是 h5 格式的,而之前的模型格式是 pb。Tensorflow2 的 h5 格式的模型转换成 tflite 格式模型非常方便。本教程就是介绍如何使用 Tensorflow2 的 Keras 接口训练分类模型并使用 Tensorflow Lite 部署到 Android 设备上。

基于MTCNN和MobileFaceNet实现的人脸识别

  |   0 评论   |   0 浏览   |   夜雨飘零

本教程是教程是介绍如何使用 Tensorflow 实现的 MTCNN 和 MobileFaceNet 实现的人脸识别,并不介绍如何训练模型。关于如何训练 MTCNN 和 MobileFaceNet,请阅读这两篇教程 MTCNN-TensorflowMobileFaceNet_TF ,这两个模型都是比较轻量的模型,所以就算这两个模型在 CPU 环境下也有比较好的预测速度,众所周知,笔者比较喜欢轻量级的模型,如何让我从准确率和预测速度上选择,我会更倾向于速度,因本人主要是研究深度学习在移动设备等嵌入式设备上的的部署。好了,下面就来介绍如何实现这两个模型实现三种人脸识别,使用路径进行人脸注册和人脸识别,使用摄像头实现人脸注册和人脸识别,通过 HTTP 实现人脸注册和人脸识别。

基于Pyramidbox实现的大规模人脸检测

  |   0 评论   |   0 浏览   |   夜雨飘零

今天来水一片文章,基于开源的 Pyramidbox 大规模人脸检测编写的 PaddlePaddle 教程,为了方便训练预测,本教程做了一定的修改。这个模型虽然大,但是符合大规模人群中也可以准确地检测到人脸,就是遮挡比较严重也能正确检测。

PyramidBox 是一种基于 SSD 的单阶段人脸检测器,它利用上下文信息解决困难人脸的检测问题。如下图所示,PyramidBox 在六个尺度的特征图上进行不同层级的预测。该工作主要包括以下模块:LFPN、Pyramid Anchors、CPM、Data-anchor-sampling。

3小时入门Python——第三十五课any()和all()函数

  |   0 评论   |   0 浏览   |   给我丶鼓励

到目前为止,您当然已经知道 Python 具有许多不同的内置函数,这些函数可以帮助开发人员更有效地工作。内置函数始终可用,因此您无需声明或导入它们。只需在需要时调用此函数。您已经看过其中一个功能,它是 print()。今天,我们将学习另外两个内置函数 any()all() 并找出如何以及何时使用它们。

但是请注意,这些函数仅适用于可迭代对象,例如字符串和列表。名单是可迭代的,所以我们将用它来说明理论部分和展示如何 any()all() 工作。

3小时入门Python——第三十四课plit()和join()函数

  |   0 评论   |   0 浏览   |   给我丶鼓励

在 Python 中,字符串和列表非常相似。首先,它们都属于序列,尽管字符串只限于字符,而列表可以存储不同类型的数据。此外,您可以遍历字符串和列表。但是,有时您需要将字符串转换为列表,反之亦然。Python 有这种工具。这将帮助你完成这个任务的方法是**split()join() splitlines()**。