吴恩达卷积神经网络学习笔记(六)|CSDN创作打卡
3.2 特征点检测
神经网络可以通过输出图片上特征点的(x,y)坐标,来实现对目标特征的识别。
我们来看几个例子,假设你正在构建一个人脸识别应用,出于某种原因,你希望算法可以给出眼角的具体位置,眼角坐标为(x,y),你可以让神经网络的最后一层,多出两个数字lx和ly,作为眼角的坐标值.
如果你想知道两只眼睛的4个眼角的具体位置,那么从左到右依次用4个特征点来表示这4个眼角,对神经网络稍微做些修改,输出第1个特征点(l1X,lxy),第2个特征点(l2x,l2y)依次类推。这4个脸部特征点的位置就可以通过神经网络输出了,也许除了这4个特征点,你还想得到更多的特征点输出值,这些都是眼睛的特征点,你还可以根据嘴部的关键点输出值,来确定嘴的形状,从而判断人物是在微笑,还是在皱眉。也可以提取鼻子周围的关键特征点,为了便于说明,你可以设定特征点的个数。
假设脸部有64个特征点,有些点甚至可以帮助你定义脸部轮廓甚至下颌轮廓。
选定特征点个数,并生成包含这些特征点的标签训练集,然后利用神经网络输出脸部关键特征点的位置。
具体做法是准备一个卷积网络和一些特征集,将人脸图片输入卷积网络,输出1或0,1表示有人脸,0表示没有人脸,然后输出(lx1,ly1)…直到(l64x,l64Y),这里用L代表一个特征,有129个输出单元,其中1表示有人脸,因为有64个特征,64×2,所以最终输出128加一个单元,由此实现对图片的人脸检测和定位.
如果你玩过Snapchat或其他娱乐类应用,你应该对AR(增强现实)过滤器多少有点了解,Snapchat过滤器实现了在脸上画皇冠,和其他一些特殊效果。检测脸部特征也是计算机图形效果的一个关键构造模块,比如实现脸部扭曲,可头带皇冠等等。
为了构建这样的网络,你需要准备一个标签训练集,也就是图片X和标签Y的集合,这些特点点都是人为辛苦标注的。
最后一个例子,如果你对人体姿态检测感兴趣,你还可以定义一些关键特征点,比如胸部的中点,左肩,左肘,腰等等。,然后通过神经网络标志人物姿态的关键特征点,在输出这些标注过的特征点,就相当于输出了人物的姿态动作。要实现这个功能,需要设定这些关键特征点,从胸部中心点(l1x,l1y)一直往下,直到(l32x,l32y)。
一旦了解如何用二维坐标系定义人物姿态,操作起来就相当简单了。批量添加输出单元,用于输出加识别的各个特征点的(X,Y)坐标值,要明确一点,特征点1的特性在所有图片中必须保持一致,标签在所有图片中必须保持一致。假如你雇用他人或自己标记了一个足够大的数据集,那么神经网络便可以输出上述所有特征点,你可以利用他们来实现其他有趣的效果,比如判断人物的动作姿态,识别图片中的人物表情等等。
B站视频来源:【中英字幕】吴恩达深度学习课程第四课 — 卷积神经网络_哔哩哔哩_bilibili
吴恩达卷积神经网络学习笔记(六)|CSDN创作打卡相关推荐
- 吴恩达 - 卷积神经网络 学习笔记(一)
转载来源:http://www.cnblogs.com/marsggbo/p/8166487.html DeepLearning.ai学习笔记(四)卷积神经网络 – week1 卷积神经网络基础知识介 ...
- 吴恩达 卷积神经网络原理图
吴恩达 卷积神经网络原理图
- 吴恩达机器学习视频学习笔记
吴恩达机器学习视频笔记 介绍 Introduction 线性回归 Linear Regression 单变量 One Variable 多变量 Multiple Variables 多项式回归 Pol ...
- 吴恩达卷积神经网络 笔记,吴恩达 深度神经网络
如何评价吴恩达的学术地位 吴恩达(AndrewNg),斯坦福计算机系的副教授,师从机器学习的大师级人物MichaelI.Jordan. 同门师兄弟包括ZoubinGhahramani,TommiJaa ...
- 吴恩达卷积神经网络笔记,吴恩达人工智能公开课
吴恩达是个谁 吴恩达(1976-,英文名:AndrewNg),华裔美国人,是斯坦福大学计算机科学系和电子工程系副教授,人工智能实验室主任.吴恩达是人工智能和机器学习领域国际上最权威的学者之一. 吴恩达 ...
- 吴恩达机器学习 -- 神经网络学习
9.1 非线性假设 无论是线性回归还是逻辑回归都有这样一个缺点,即:当特征太多时,计算的负荷会非常大. 吴恩达老师举了一个例子: 当我们使用 的多次项式进行预测时,我们可以应用的很好. 之前课程学习过 ...
- 吴恩达推荐深度学习笔记+超详细思维导图!不做学术打工人!
关于人工智能的分支-深度学习版块的资源有很多,但是都会较为分散.小编今天对这些资源进行了整理归纳,汇编了一套学习资源(包含书籍+电子书+百篇论文+思维导图+吴恩达深度学习笔记大全+计算机视觉学术汇总) ...
- 吴恩达卷积神经网络课程——第一周笔记
Week 1 目录 Week 1 1-1.计算机视觉 1-2.边缘检测示例 1-3.更多关于边缘检测内容 1-4.Padding 1-5.卷积步长 1-6.卷积为何有效 1-7.单层卷积网络 1-8. ...
- 【吴恩达机器学习】学习笔记——2.1单变量线性回归算法
1 回顾 1.1 监督学习 定义:给定正确答案的机器学习算法 分类: (1)回归算法:预测连续值的输出,如房价的预测 (2)分类算法:离散值的输出,如判断患病是否为某种癌症 1.2 非监督学习 定义: ...
最新文章
- ASP.NET结合COM组件发送Email
- 不学无数——SpringBoot入门Ⅱ
- 可打开可关闭的选项卡,单纯无污染,改改样式就能用
- “千年虫”,计算机的巨大BUG!
- appconfig文件中的配置节
- 成为高级网络管理员必学知识
- TRUNCATE TABLE恢复-脚本
- c语言ax2bxc0,c语言程序用函数怎么输出ax2bxc=0?用C语言编号一个程序, 爱问知识人...
- 使用Mondrian Virtual OLAP Cube 实现星座模型并在saiku展现分析
- cvFloodFill() 漫水填充算法
- CIC滤波器设计原理总结
- Java代理模式及其应用
- 【观察】UCloud:决胜东南亚“正当时”,做出海企业“加速器”
- 模块手机Project Ara的MDK(Module Developers Kit)模块开发套件
- 微信小程序药店管理系统+后台管理系统|前后分离VUE
- 第一章 老虎Linux简介
- 前端下载其他服务器上的跨域图片资源问题
- 软件项目经理需要了解的法律法规
- 一道输出超限nnnn次的题
- 基于motion视频捕捉软件的树莓派视频拍照系统(图像变化识别+拍照+邮件)