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: ...

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

吴恩达卷积神经网络学习笔记（六）|CSDN创作打卡相关推荐

最新文章

热门文章