行为识别——骨架提取/人体关键点估计我们可以通过深度学习，检测到一个人，但是那个人在做什么我们不知道。所以我们就想让神经网络既检测到人，又知道他在做什么。也就是对这个人的行为进行识别。一个人的行为可以有很多种，可以跑、跳、走、跌倒、打架……有一些我们可以看第一眼就知道他在干嘛，有些我们必须看一段才知道他在干嘛。所以我们要用神经网络来识别行为，就可以分成单帧图片的识别和连续帧图片的识别。如果是单帧图

参考代码来源于 http://github.com/yinhaoxs/ImageRetrieval-LSH以图搜图1. 写在最前面入职新公司以后一直在搞项目，没什么时间写博客。最近一个项目是以图搜图项目，主要用到的技术就是目标检测（yolo）+图像检索（ResNet+LSH）。目标检测就不用多说了，成熟和现成的代码一抓一大把，主要问题就是在优化提升精度和性能上的摸索。图像检索的技术也挺多，但是网上

深度学习目标跟踪1. 实质：通过卷积神经网络得到特征图，输出分类和位置。2. 目标跟踪的分类：① 单类多目标跟踪：MTCNN、Retinaface…② 多类多目标跟踪：RCNN、SPP-Net、Fast-RCNN/Faster-RCNN、SSD…（1） RCNN：通过聚类得到搜索框（强行缩放），在通过卷积提取特征，最后放入SVM进行分类。速度慢，准确率不高。（2） SPP-Net：主要使用了空间金

语音识别基础1. 深度学习在语音领域上的应用（1）语音识别（2）语音唤醒（3）语音命令（4）声纹识别（5）生成语音2. 音频领域基本概念（1）采样率：每秒采集数据的次数。一般是8000Hz、16000Hz…采样率越高，音频损失越小。根据奈奎斯特采样定理：当采样率高于最高频率2倍以上，音频数据就不会失真。因此处理数据的采样率选择，一般只要高于最高频率2倍以上就行。（2）采样精度：每次采样数据的位数。

通过这个链接????进行复习学习。https://github.com/scutan90/DeepLearning-500-questions目标检测前面两节讲了，two-stage、one-stage目标检测算法；Two-Stage检测器（如Faster R-CNN、FPN）效果好，但速度相对慢One-Stage检测器（如YOLO、SSD）速度快，但效果一般retinaNet是针对one-sta

前阵子做了个以图搜图特征编码模型啊。（详情看上一篇）但是由于图库数据较大（上亿数据），所以2048维的特征编码存储量太大，java那边相似度计算也慢。由于图库里面的图形都比较简单，老大觉得512够用了，要我修改网络输出到512维的特征编码。但是模型网络那边提供的预训练模型，Resnet50只有输出层是2048维的。我们也不想换Resnet18（可能会较大的降低精度）。因此我只能够再Resnet50

我公司的科室开始在公众号上规划一些对外的技术文章了，包括实战项目、模型优化、端侧部署和一些深度学习任务基础知识，而我负责人体图象相关技术这一系列文章，偶尔也会出一些应用/代码解读等相关的文章。文章在同步发布至公众号和博客，顺带做一波宣传。有兴趣的还可以扫码加入我们的群。（文章有写的不好的地方请见谅，另外有啥错误的地方也请大家帮忙指出。）微信公众号：AI炼丹术技术交流群可以从公众号上获取，可以备注是

yoloV5&arcFace人脸识别yoloV4&V5已经出来几个月了啊。刚接触yolo的时候，是大三下的时候，那时候导师给了个项目，就是侦测人体加上骨架提取的一个项目。我当时也没只是想先搞个毕业设计出来。然后就查资料，找到了yoloV3，下了源码。在linux系统上跑了起来。当时最大的感受就是，我这破笔记本电脑也能跑得掉，这代码真牛逼。然后到现在的yoloV4、V5，可以看出来网

通过这个链接????进行复习学习。https://github.com/scutan90/DeepLearning-500-questions目标检测 two-stage目标检测（Object Detection）就是要从图像上找到目标。存在的难点主要有：同一种目标可能有不同外观、形状、姿态；同一张图片场景可能有不同的环境因素干扰（光照、遮挡、色差）；目标检测要检测目标在图像中的位置，目标可能会出

参考代码来源于：https://github.com/brightmart/albert_zh记录一下nlp开始学习的历程新的一年刚开始，就碰上了一个基本都是NLP的项目；一直想找机会学NLP，现在正好遇上了。就是项目是个硬骨头，有点难啃，好在组内有几个NLP大神带着。所以也稍微记录一下我nlp开始学习的历程。（可能有些地方理解错误、说错的，也请各位大佬帮忙指正。????）刚开始遇到的时候想从基础