- 目标分类基本框架
- 数据准备
- 数据来源
- 数据扩充 :局部切割
- 模型设计
- 任务类型
- 分类
- 分类+回归
- 多目标分类
- 任务类型
- 训练细节
- 数据循环方式
- 网络深度宽度确定
- 损失函数设计
- 学习率变化方式
- 评价方式:准确率,F1 score
- 卷积层数多比较好,参数更少,效率变高
- 分类:softmax,直接拟合
- 数据准备
- 如何进行面部行为识别
- 神经网络
- 不需要预处理,自动进行局部探测
- 不要所有区域都处理
- 重要区域之间不会影响削弱学习效果
- 注意力网络 attention layer
- 找到人脸关键点
- 行为单元中心
- 由中心生成生意力图
- 注意力网络添加
- 局部学习网络
- 对区域的分布能够自动适应
- 分割区域
- 对区域的分布能够自动适应
- 网络合并
- 不用提前进行面部对准
- 脸部各个行为单元局部针对学习
- 根据控制肌肉的分布以及人脸特征点检测结果确定区域,更具有合理性以及可操作性
- 神经网络
卷积神经网络-目标分类
猜你喜欢
转载自blog.csdn.net/weixin_43056275/article/details/102722588
今日推荐
周排行