NULL
博文链接：https://rensanning.iteye.com/blog/2011558
2022-03-01 22:23:39
158KB
1
面部识别
使用TensorFlow进行面部表情识别
介绍
深度学习的面部表情识别。
使用TensorFlow 1.4实现CNN（卷积神经网络）。
代号
Test_Images：用于测试模型的图像目录。
Train_Images：用于转换神经网络的图像目录。
collect_images.py：从Bing和Google收集面部图像。
convert_images.py：将图像文件（* .jpg，*。jpeg， .png）转换为数据集文件（ .bin）。
dataset.py：用于训练或测试神经网络的数据集类。
cnn.py：创建CNN并对其进行训练或对图像进行分类。
运行代码示例
将图像转换为数据集
>>> import convert_images as ci
>>> ci.IMAGES_DIR = './Train_Images'
>>> ci.main('./train.b
2022-02-11 09:51:10
29KB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 18:49:36
9.23MB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 18:35:02
55MB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 16:32:34
55MB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 16:30:02
55MB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 16:28:00
55MB
1
Expression Blend 4 套装（带补丁+密匙），由于上传文件大小受限制，把原文件分割成8个部分，需要把8个部分都下载之后再解压第一个部分之后才能正常安装。
2022-01-13 16:26:16
55MB
1
GTEx数据集（V8）的条件变量自动编码器
该项目旨在使用生成模型生成合成基因表达数据。 我们首先研究数据的3D表示形式以及可能要依据的变量，以便有效地分离分布。 当前模型以组织为条件。
组织着色的GTEx数据集（1000个随机基因）的3D表示形式（UMAP，TSNE，PCA）：
CVAE当前的重建质量，取决于组织。
基于：
对VAE方差损失论文： ， ，
项目进度：
基准模型创建
评估潜在空间中的均值，绝对差和分组的函数
模型调整
潜在空间大小
批次大小，学习率（应尽早确定时期数）
附加致密层的数量，每个附加层中神经元的数量
有条件的VAE模型（条件之一：组织或年龄）
b-VAE模型（损失函数中的MSE / KL散度权重）
相关的VAE（ ）
torch_model.py神经网络的层和属性
gtex_loder.py加载基因表达数据集
torch_train
2022-01-10 10:05:56
1.65MB
1
ets
此存储库为AUNets提供了PyTorch实现。 AUNets依赖于每个面部表情具有独立的和二进制的CNN的功能。 它适用于整体面部图像，即无需关键点或面部矫正。
项目页面： :
引文
@article{romero2018multi,
title={Multi-view dynamic facial action unit detection},
author={Romero, Andr{\'e}s and Le{\'o}n, Juan and Arbel{\'a}ez, Pablo},
journal={Image and Vision Computing},
year={2018},
publisher={Elsevier}
}
用法（火车）
$./main.sh -GPU 0 -OF None # It will train AUNets (1
2022-01-07 20:12:37
4.64MB
1