Pytorch迁移学习

  |   0 评论   |   0 浏览   |   给我丶鼓励

Pytorch 迁移学习。在实践中,很少有人从头开始训练整个卷积网络(使用随机初始化),因为拥有足够大小的数据集相对很少。取而代之的是,通常在非常大的数据集上对 ConvNet 进行预训练(例如 ImageNet,其中包含 120 万个图像,具有 1000 个类别),然后将 ConvNet 用作初始化或固定特征提取器以完成感兴趣的任务。

使用tensorflow.js在浏览器中实现人脸识别

  |   0 评论   |   0 浏览   |   给我丶鼓励

如果您是那种希望尽快入门的男孩(或女孩),则可以跳过本节,直接进入代码。但是为了更好地了解 face-api.js 中用于实现人脸识别的方法,我强烈建议您继续学习,因为我经常被问到这一点。
为简单起见,我们实际上要实现的目标是,识别出具有其面部图像的人,例如 输入图像。我们这样做的方法是为我们要识别的每个人提供一张(或多张)图像,并标上人名,例如参考数据。现在我们将输入图像与参考数据进行比较,找到最相似参考图片。如果两个图像足够相似,我们将输出人名,否则我们输出 '未知'。
听起来像是个计划!但是,仍然存在两个问题。首先,如果我们有一个显示多个人的图像并且我们想要识别所有这些人怎么办?其次,我们需要能够为两个面部图像获得这种相似性度量,以便对其进行比较...

《产品学习总结一:归零思维做交互》

  |   0 评论   |   0 浏览   |   初🌝

互联网交互设计在近几年一直快速的发展,个人认为发展的趋势是“不要让用户思考”,软件来引导用户。比如现在我们用的软件信息越来越精简,操作按钮越来越少,傻瓜式的沉浸模式越来越多。但是这些交互设计是怎么落地实现呢?可能大家都知道精简信息,要重点突出,减少用户思考。道理我都懂。但是这些交互设计是怎么落地实现的?

基于PaddlePaddle实现的目标检测模型SSD

  |   0 评论   |   0 浏览   |   夜雨飘零

SSD,全称 Single Shot MultiBox Detector,是 Wei Liu 在 ECCV 2016 上提出的一种目标检测算法,截至目前是主要的检测框架之一,相比 Faster RCNN 有明显的速度优势,相比 YOLO V1 又有明显的 mAP 优势。本开源是基于 PaddlePaddle 实现的 SSD,包括 MobileNetSSD,MobileNetV2SSD,VGGSSD,ResNetSSD。使用的是 VOC 格式数据集,同时提供了预训练模型和 VOC 数据的预测模型。

在Android实现双目测距

  |   4 评论   |   0 浏览   |   夜雨飘零

在上一章我们介绍了《双目摄像头测量距离》,在这个基础上,我们来了解如何在 Android 上使用双目测距算法。通过本教程,你不仅掌握如何在 Android 中使用 SBM 等双目测距算法,顺便也了解到如何在 Android Studio 配置 OpenCV,通过使用 OpenCV 可以在 Android 中实现很多图像处理的功能。

双目摄像头测量距离

  |   1 评论   |   0 浏览   |   夜雨飘零

在计算机视觉中,可以通过双目摄像头实现,常用的有 BM 算法和 SGBM 算法等,双目测距跟激光不同,双目测距不需要激光光源,是人眼安全的,只需要摄像头,成本非常底,也用于应用到大多数的项目中。本章我们就来介绍如何使用双目摄像头和 SGBM 算法实现距离测量。

使用PaddlePaddle实现声纹识别

  |   0 评论   |   0 浏览   |   夜雨飘零

本章介绍如何使用 PaddlePaddle 实现简单的声纹识别模型,首先你需要熟悉音频分类,没有了解的可以查看这篇文章《基于 PaddlePaddle 实现声音分类》
。基于这个知识基础之上,我们训练一个声纹识别模型,通过这个模型我们可以识别说话的人是谁,可以应用在一些需要音频验证的项目。

使用Tensorflow实现声纹识别

  |   4 评论   |   0 浏览   |   夜雨飘零

本章介绍如何使用 Tensorflow 实现简单的声纹识别模型,首先你需要熟悉音频分类,没有了解的可以查看这篇文章《基于 Tensorflow 实现声音分类》。基于这个知识基础之上,我们训练一个声纹识别模型,通过这个模型我们可以识别说话的人是谁,可以应用在一些需要音频验证的项目。

良好的编程习惯-从单元测试开始

  |   0 评论   |   0 浏览   |   蓝汝丶琪

单元测试的意义

  • 它可以保证你写的代码是你想要的结果。这个点很重要,因为在编程中,经常会敲错代码导致结果并不是自己脑子里想的。如果不经过单元测试测试下运行结果,那么代码质量是肯定保证不了的。
  • 单元测试是最少单位,一个高可用的系统需要靠一个一个最小的稳定的单位组成。所以保证一个最小单位的准确率是必须的。
  • 单元测试应该是快速的,因此它不应该使用任何 Web 服务器。
  • 每个单元测试应该独立于其他测试。
  • 当出现问题的时候,单元测试可以很快帮助你排查问题。因为单元测试保证你写的代码是你想要的结果,当出现异常效果,只需要从对应的单元测试是排查,就可以很快定位问题。

Android使用webrtc实现检测用户是否在说话

  |   0 评论   |   0 浏览   |   夜雨飘零

我们在 Android 应用做语音识别的时候,一般是用户唤醒之后开始说话。当用户超过一定的时候没有说话,就停止录音,并把录音发送到语音识别服务器,获取语音识别结果。本教程就是解决如何检测用户是否停止说话,我们使用的是 WebRTC 架构的源代码中的 vad 代码实现的。