Hdu_DeepLearning
记录自己在创新实践课程的学习.仓库：https://github.com/Qinxianshen/Hdu_DeepLearning
- 阿里天池2018广东工业智造图像比赛
- 阿里天池2018 Keypoints Detection of Apparel-Challenge the Baseline
- 人脸关键节点检测
- LFW人脸库处理以及人脸识别
阿里天池2018广东工业智造图像比赛
学习使用2018年最新的group normalization来处理图像瑕疵检测
将大赛给的四百多张铝型材图片，根据所损坏的程度分成12类。确定为图形分类问题。
| 瑕疵名 | 提交结果 |
|---|---|
| 正常 | norm |
| 不导电 | defect1 |
| 擦花 | defect2 |
| 横条压凹 | defect3 |
| 桔皮 | defect4 |
| 漏底 | defect5 |
| 碰伤 | defect6 |
| 起坑 | defect7 |
| 凸粉 | defect8 |
| 涂层开裂 | defect9 |
| 脏点 | defect10 |
| 其他 | defect11 |
label_warp = {'正常': 0,
'不导电': 1,
'擦花': 2,
'横条压凹': 3,
'桔皮': 4,
'漏底': 5,
'碰伤': 6,
'起坑': 7,
'凸粉': 8,
'涂层开裂': 9,
'脏点': 10,
'其他': 11,
}
具体的处理方法看仓库 仓库地址
最终成绩：（668/2972）
阿里天池2018 Keypoints Detection of Apparel-Challenge the Baseline
- 数据预处理
- 训练模型
- 用模型去预测新的点的位置
详细内容见相关仓库： 衣服关键节点检测
人脸关键节点检测
- 人脸定位
- 数据加载处理
- MobileNet网络编写
- 训练与测试
没用数据增强：
使用数据增强：
红色的点是预测的值，蓝色的点是实际的值
详细内容见相关仓库： 人脸关键节点检测
LFW人脸库处理以及人脸识别
- Group Normaliztion
- 卷积原理
- MobileNet
- 使用VGG19+Group Normaliztion 在LFW上分类
详细内容见相关仓库： LFW人脸库处理
关于我
Github:https://github.com/Qinxianshen
CSDN: https://blog.csdn.net/Qin_xian_shen
个人博客: http://saijiadexiaoqin.cn/
Gitchat:https://gitbook.cn/gitchat/author/59ef0b02a276fd1a69094634
哔哩哔哩：https://space.bilibili.com/126021651/#/
微信公众号：松爱家的小秦
更多LIVE：