人脸图像质量评估
2020年5月15日添加了SER-FIQ（CVPR2020）。
2020年5月18日在偏置FIQ（IJCB2020）溶液。
SER-FIQ：基于随机嵌入鲁棒性的人脸图像质量无监督估计
IEEE / CVF 2020年计算机视觉和模式识别会议（CVPR）
目录
抽象的
人脸图像质量是启用高性能人脸识别系统的重要因素。人脸质量评估旨在评估人脸图像是否适合识别。先前的工作提出了需要人工或人工标记质量值的监督解决方案。但是，这两种标记机制都容易出错，因为它们不依赖于清晰的质量定义，并且可能不知道所用面部识别系统的最佳特征。为避免使用不正确的质量标签，我们提出了一种基于任意人脸识别模型的新概念来测量人脸质量。通过确定从面部模型的随机子网络生成的嵌入变化，可以估算样本表示的鲁棒性，从而可以估计其质量。实验是在三个公共数据库的跨数据库评估环境中进行的。我们将我们提出的解决方案在两个
2022-01-18 15:47:59
59.44MB
1
The Hundred-Page Machine Learning Book 原版英文书籍前3章；作者：Andriy Burkov
2022-01-17 13:45:35
1.29MB
1
Computer Vision Principles, Algorithms, Applications, Learning。 Fifth Edition,
作者 E.R. Davies
Royal Holloway, University of London, United Kingdom
2022-01-17 13:38:50
35.44MB
1
机器学习Kreuzer-Skarke-Calabi-Yau三倍_Machine Learning Kreuzer--Skarke Calabi--Yau Threefolds.pdf
2022-01-16 14:03:03
599KB
新闻推荐是个性化新闻服务的重要技术。与已被全面研究的产品和电影推荐相比，新闻推荐的研究要有限得多，这主要是由于缺乏高质量的基准数据集。
MIND Microsoft News Recommendation Dataset_datasets..txt
MIND Microsoft News Recommendation Dataset_datasets..zip
2022-01-16 01:55:22
51.48MB
1
包含模型选择、线性回归、非线性回归、分类问题、树算法、svm、非监督学习
2022-01-14 14:17:41
53.63MB
1
深度学习4J
该存储库不再维护。 我建议您检出存储库：（ ），但是该存储库中列出的示例仍然可以使用。
如果遇到任何错误，请确保将DL4j版本更改为最新版本。 如果仍然出现，请随时在此处发布问题。
一个Java深度学习存储库，其中包含从头开始的基于DL4J的项目。 到目前为止包括的项目：
使用标准前馈网络预测客户损失
使用CNN进行动物分类
使用Java进行超参数调整
桑坦德价值预测Kaggle挑战
无论是否使用GPU，请确保根据您的方便切换pom.xml更改。
1.使用标准前馈网络预测客户损失
给定已定义的n个标签，获取客户离开银行的概率。 问题陈述来自超级数据科学团队的课程。 他们讨论了使用Keras实现的解决方案，而这是尝试使用Java来实现的解决方案。 DLJ4模型始终如一地提供85.5％的准确度，比Keras模型的83％的准确度要好。
文件链接： :
代码执行：
2.
2022-01-14 11:22:09
20.84MB
1
机器学习的一本新书，更强的统计角度。而且本书提供matlab/python的toolbox，非常好用。
2022-01-12 14:52:50
24.96MB
1
人体活动识别
数据集链接：
使用的库：
Keras，Scikit-Learn，Numpy，Matplotlib和Pandas
档案结构：
有8个主要文件：4个用于数据管理，4个用于机器学习代码，1个用于绘制结果。
数据管理文件：
1，由于数据集非常大（〜1.4 GB），因此将其划分为13个文件，并使用脚本``compress_file.py''和``compress2.0.py''对这13个文件中存储的数据集进行下采样以获得13个文件压缩文件。
2.脚本“ merge.py”和“ merge2.0.py”用于合并压缩文件，以获取用于训练的数据集。 2.0脚本用于合并加速度计和陀螺仪数据
2022-01-11 22:39:07
1.64MB
1