因為之前我針對vgg16 fine tune訓練了乙個人頭分類器，效果較好，所以最主要的特徵提取工作就可以交給預訓練的vgg16來做了。
其實我們在做細粒度分類的時候，如果針對整幅影象分類的話，在不同縮小過程中，會忽略掉很多細節，尤其是池化這個過程，但是如果不池化的話，超大的參數量和不夠深的網路是無法有好的效果的。所以我認為比較好的一種方案是，通過視窗對影象進行檢測，但是遇到的問題就是，視窗語義能力不強，他只能判斷這個 是不是人頭，根據特徵圖來判斷，但是其實當人頭特別小的時候，例如4*4畫素的人頭，在多層maxpool後，就變成了1*1 和 非人頭的差距非常小，導致誤分嚴重，之前的演算法 recall接近100%，但是precision在小視窗下比較低，效果不理想。所以引入上下文思路，做一些嘗試。已經凌晨2點了，為了活的更久，做更多研究，先回去睡一會。明早起來繼續戰。明天訓練一下看看效果怎麼樣。
配置基於上下文的ACL
實驗目的 學習基於上下文acl的配置方法，基於實驗理解其工作原理。知識點 基於上下文acl的作用，基於上下文acl的工作原理 實驗場景 三颱路由器串列埠相連，連線位址如圖所示。在r2上做cbac訪問控制，只允許r1 telnet r3及ping r3，但不允許r3訪問r1。實驗原理 acl只能檢測到...
基於多尺度分層雙線性池化網路的細粒度表情識別
題目 作者年份鏈結 基於多尺度分層雙線性池化網路的細粒度表情識別 蘇志明，王烈，藍崢傑 2021 卷積神經網路 細粒度表情識別 多尺度 分層雙線性池化 多層特徵融合 由於人臉表情細微的類間差異和顯著的類內變化使得人臉表情識別困難而導致識別率低，為此提出了乙個基於多尺度雙線性池化神經網路的模型。首先，...
python上下文管理之基於生成器的實現
我們還可以用裝飾器 decorators 和生成器 generators 來實現上下文管理器。python有個contextlib模組專門用於這個目的。我們可以使用乙個生成器函式來實現乙個上下文管理器，而不是使用乙個類。讓我們看看乙個基本的，沒用的例子 from contextlib import ...