一共12个人体行为识别的数据集，基于视频的；6个图像识别的，有关物体识别、行人识别、年龄识别和人头检测的，基于图像，图像识别数据集参考于博客：http://blog.csdn.net/qq_14845119/article/details/51913171后续可能还会补充。视频识别1、Weizmann内容：1、10个类别，每个类别9个视频，背景单一。2、180x144下载链接：http://

最近整理了几种光流算，现在给出比较结果。1、Farneback算法，2003年提出，opencv中已实现。2、brox算法，2004年提出，opencv中已实现。3、SF算法，2012年提出，opencv中已实现。4、Flownet2，2016年提出，利用深度卷积神经网络生成光流图像。0、结果比较首先给出各种算法的结果比较。算法提出时间运行效率其他说明Farneback

3D Convolutional Neural Networks for Human Action Recognition原文链接摘要我们考虑的是在不受控制的环境下全自动动作识别。大多数现存的工作依赖于其专业知识从输入中构建复杂的人工特征。而且环境通常假定为可控的。卷积神经网络是一种深度模型，它可以直接作用在原始输入上，因此其特征构建是自动的。然而，这种模型目前仅限制于处理2D模型。在这篇文章中，

1、阅读论文：Goodfellow I J, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C]// International Conference on Neural Information Processing Systems. MIT Press, 2014:2672-2680.论文地址：GANs2、翻译论文摘要我

以前都是直接用opencv，都没有仔细研究过，这次把库文件都介绍一下。1、build和source当我们安装完opencv中，你会发现在opencv文件夹中有两个文件夹，build和source，那它们分别是干什么的呢。首先说这两者的关系，sources放的是opencv中的cpp文件，相当于一个工厂，build放的是opencv中的h、hpp、lib文件，相当于一个工具，opencv的开发者通过

由于Keras是一种建立在已有深度学习框架上的二次框架，其使用起来非常方便，其后端实现有两种方法，theano和tensorflow。由于自己平时用tensorflow，所以选择后端用tensorflow的Keras，代码写起来更加方便。1、建立模型Keras分为两种不同的建模方式，Sequential models：这种方法用于实现一些简单的模型。你只需要向一些存在的模型中添加层就行了。Fun

学习，matplotlib模块的绘图功能。主要参考于博客：http://blog.csdn.net/ali197294332/article/details/51694141具体模块导入在最后第7部分汇总代码中给出。1、绘制基本图像def initial_image():# define x\yx = np.arange(0.0, 2.0, 0.05)

首先是各种参考博客、链接等，表示感谢。1、参考博客1：地址——以下，开始正文。2017/12/12 更新 解决训练不收敛的问题。更新在最后面部分。1、DCGAN的简单总结稳定的深度卷积GAN 架构指南:所有的pooling层使用步幅卷积(判别网络)和微步幅度卷积(生成网络)进行替换。在生成网络和判别网络上使用批处理规范化。对于更深的架构移除全连接隐藏层。在生成网络的所有层上使用RelU激活函

本篇博客总结几种归一化办法，并给出相应计算公式和代码。1、综述1.1 论文链接1、Batch Normalizationhttps://arxiv.org/pdf/1502.03167.pdf2、Layer Normalizaitonhttps://arxiv.org/pdf/1607.06450v1.pdf3、Instance Normalizationh...

本文是利用dlib库，进行人脸检测、特征点检测、人脸对齐。所有前提是假设已经安装了dlib。参考链接：1、http://developer.51cto.com/art/201801/564529.htm2、https://blog.csdn.net/ying86615791/article/details/712172733、1、准备工作1.1 安装dilb下载安装包安装或者pi...