zzz的案例列表
行人重识别
参与行人跨境追踪，完成的工作为行人目标的检测及重识别工作，并自主拍摄的数据集上实现该任务，借此以分析各种算法、方法 的性能。采用经典分类网络resnet50作为 backbone，辅助多种训练方法(tricks）训练模型。采取 Market-1501数据集辅助网络的训练。设置第一组实验用以对比分析finetune对于模型性能的影响。考虑到实际场景没有行人的标注，又采用yolov3网络来完成行人的检测工作，进行测试实验。最终实验结果表明,各种 tricks能够有效的提升我们模型的鲁棒性和精度，适当的迁移学习也能使模型更好的完成特定任务。
表情识别
对于人脸表情识别的工作，主要分为人脸检测，数据增强和表情分类三个模块。在人脸检测模块，选择了Retina-face作为人脸检测器。在数据增强模块，选择使用CC-GAN网络，将数据集中的正脸图像转换为侧脸图像共同进行训练，以提高模型的鲁棒性，更符合在无约束条件下的人脸识别要求。在表情分类模块，在ResNet18的基础上，将残差块替换为MResNet-B和MResNet-C的组合网络结构，构造为MResNet-18网络。改进后的模型在保证了分类性能的前提下，还可以提高模型的运算速度。
案例判断参考
zzz的案例列表
行人重识别
参与行人跨境追踪，完成的工作为行人目标的检测及重识别工作，并自主拍摄的数据集上实现该任务，借此以分析各种算法、方法 的性能。采用经典分类网络resnet50作为 backbone，辅助多种训练方法(tricks）训练模型。采取 Market-1501数据集辅助网络的训练。设置第一组实验用以对比分析finetune对于模型性能的影响。考虑到实际场景没有行人的标注，又采用yolov3网络来完成行人的检测工作，进行测试实验。最终实验结果表明,各种 tricks能够有效的提升我们模型的鲁棒性和精度，适当的迁移学习也能使模型更好的完成特定任务。...
表情识别
对于人脸表情识别的工作，主要分为人脸检测，数据增强和表情分类三个模块。在人脸检测模块，选择了Retina-face作为人脸检测器。在数据增强模块，选择使用CC-GAN网络，将数据集中的正脸图像转换为侧脸图像共同进行训练，以提高模型的鲁棒性，更符合在无约束条件下的人脸识别要求。在表情分类模块，在ResNet18的基础上，将残差块替换为MResNet-B和MResNet-C的组合网络结构，构造为MResNet-18网络。改进后的模型在保证了分类性能的前提下，还可以提高模型的运算速度。...
