Forwarded from Alireza Akhavan
This media is not supported in your browser
VIEW IN TELEGRAM
یکی از تمارین سری 7 خوب که فیلم هم فرستادند.
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#سورس_کد
تعیین موقعیت سر
Head pose estimation by #TensorFlow and #OpenCV
[pic: https://bit.ly/2LlBc1I ]
https://github.com/yinguobing/head-pose-estimation
تعیین موقعیت سر
Head pose estimation by #TensorFlow and #OpenCV
[pic: https://bit.ly/2LlBc1I ]
https://github.com/yinguobing/head-pose-estimation
تمام گامهای پیش نیاز تمرین سری 8 به همراه فایلهای مورد نیاز در آدرس
https://github.com/Alireza-Akhavan/iran-celeb
قرار داده شده است.
پوشه نهایی تصاویری است که تنها و تنها 1 چهره در آن مشاهده میشود و چهره تراز شده است. همچنین تمام تصاویر این پوشه نهایی در سایز 182*182 خواهند بود.
لطفا طبق گامهای نوشته شده پیش بروید و تمام ابهامات را در گروه درس بپرسید.
https://github.com/Alireza-Akhavan/iran-celeb
قرار داده شده است.
پوشه نهایی تصاویری است که تنها و تنها 1 چهره در آن مشاهده میشود و چهره تراز شده است. همچنین تمام تصاویر این پوشه نهایی در سایز 182*182 خواهند بود.
لطفا طبق گامهای نوشته شده پیش بروید و تمام ابهامات را در گروه درس بپرسید.
GitHub
GitHub - Alireza-Akhavan/iran-celeb: mini-tools for Iranian celebrity dataset (iran-celeb.ir)
mini-tools for Iranian celebrity dataset (iran-celeb.ir) - Alireza-Akhavan/iran-celeb
کلاس ویژن: یادگیری عمیق و بینایی کامپیوتر
تمام گامهای پیش نیاز تمرین سری 8 به همراه فایلهای مورد نیاز در آدرس https://github.com/Alireza-Akhavan/iran-celeb قرار داده شده است. پوشه نهایی تصاویری است که تنها و تنها 1 چهره در آن مشاهده میشود و چهره تراز شده است. همچنین تمام تصاویر این پوشه نهایی…
نرم افزار labelimg نسخه های build شده هم داره که نیاز به نصب پیش نیاز و پایتون نداره
برای ویندوز فایل exe است:
http://tzutalin.github.io/labelImg/
برای ویندوز فایل exe است:
http://tzutalin.github.io/labelImg/
یادداشت های کلاسی سه جلسه مربوط به چهره در سایت اضافه شدند.
تطبیق و بازشناسی چهره(1) :
شبکههای Siamese - معرفی Low Shot Learning، One Shot Learning و zero Shot Learning
تابع خطای triplet loss
تطبیق و بازشناسی چهره(2) :
تابع خطا Center loss - بررسی کد
تشخیص چهره :
بررسی دو روش کلاسیک haar-cascade و مبتنی بر یادگیری عمیق MTCNN
با تشکر از خانم ها برادران افتخاریان، یوسفی و سلیمیان
تطبیق و بازشناسی چهره(1) :
شبکههای Siamese - معرفی Low Shot Learning، One Shot Learning و zero Shot Learning
تابع خطای triplet loss
تطبیق و بازشناسی چهره(2) :
تابع خطا Center loss - بررسی کد
تشخیص چهره :
بررسی دو روش کلاسیک haar-cascade و مبتنی بر یادگیری عمیق MTCNN
با تشکر از خانم ها برادران افتخاریان، یوسفی و سلیمیان
سلام، قرار بود 5 روز تاخیر مجاز داشته باشید که در نمرات بالا اعمال نشده.
لطفا برای اعمال نمره 5 روز تاخیر و اعلام تمارینی که قصد اعمال 25 نمره را روی آنها دارید در اسرع وقت به خانم قربانی پیام دهید.
لطفا برای اعمال نمره 5 روز تاخیر و اعلام تمارینی که قصد اعمال 25 نمره را روی آنها دارید در اسرع وقت به خانم قربانی پیام دهید.
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
مراحل انجام و معرفی انباره های کد(repository):
Face-landmarks-detection-benchmark
https://github.com/mrgloom/Face-landmarks-detection-benchmark
Face-Swap
https://github.com/mrgloom/Face-Swap
#face #github
Face-landmarks-detection-benchmark
https://github.com/mrgloom/Face-landmarks-detection-benchmark
Face-Swap
https://github.com/mrgloom/Face-Swap
#face #github
GitHub
GitHub - mrgloom/Face-landmarks-detection-benchmark: Face landmarks(fiducial points) detection benchmark
Face landmarks(fiducial points) detection benchmark - mrgloom/Face-landmarks-detection-benchmark
کلاس ویژن: یادگیری عمیق و بینایی کامپیوتر
Photo
#تحویل_پروژه
سلام.
لطفا تا قبل نهایت روز قبل از تحویل حضوری پروژه کدها به همراه داکیومنت های پروژه ی گروه خود را یک نفر به نمایندگی از هر گروه در github درس و در پوشه
contributed/Course-Project_winter96-097/
و در پوشه ای همنام پروژه push کنید.
لطفا برای نام فایلها از اسامی با معنی انگلیسی استفاده کنید.
همچنین داکیومنت برای استفاده توسط سایر اعضای کلاس قابل استفاده باشد. و همکلاسی هایتان بتوانند بدون کمک شما کدهای شما را اجرا نمایند.
نیازی به آپلود دیتاست های حجیم نیست. دیتاست ها را در روز تحویل پروژه به بنده تحویل بدهید تا آپلود کنم و بعد از آپلود توسط بنده لینک آن را اضافه کنید
متشکرم
سلام.
لطفا تا قبل نهایت روز قبل از تحویل حضوری پروژه کدها به همراه داکیومنت های پروژه ی گروه خود را یک نفر به نمایندگی از هر گروه در github درس و در پوشه
contributed/Course-Project_winter96-097/
و در پوشه ای همنام پروژه push کنید.
لطفا برای نام فایلها از اسامی با معنی انگلیسی استفاده کنید.
همچنین داکیومنت برای استفاده توسط سایر اعضای کلاس قابل استفاده باشد. و همکلاسی هایتان بتوانند بدون کمک شما کدهای شما را اجرا نمایند.
نیازی به آپلود دیتاست های حجیم نیست. دیتاست ها را در روز تحویل پروژه به بنده تحویل بدهید تا آپلود کنم و بعد از آپلود توسط بنده لینک آن را اضافه کنید
متشکرم
Forwarded from Mohammad H. Sattarian
دوستان توی این نوتبوک یک روش برای اتصال گوگل درایو به صورت یک فایل سیستم FUSE به گوگل کولب رو توضیح داده (گوگل درایو mount میشه روی کولب)
خوبی این کار هم اینه که دیگه مجبور به آپلود و دانلود نیستیم و فایلهای کولب و درایو باهم سینک هستن و فکر کنم به جز دفعه اول که دوبار احراز هویت میخواد دیگه لازم به اینکار نیست.
https://colab.research.google.com/drive/1srw_HFWQ2SMgmWIawucXfusGzrj1_U0q#scrollTo=c99EvWo1s9-x
خوبی این کار هم اینه که دیگه مجبور به آپلود و دانلود نیستیم و فایلهای کولب و درایو باهم سینک هستن و فکر کنم به جز دفعه اول که دوبار احراز هویت میخواد دیگه لازم به اینکار نیست.
https://colab.research.google.com/drive/1srw_HFWQ2SMgmWIawucXfusGzrj1_U0q#scrollTo=c99EvWo1s9-x
Google
Drive FUSE example.ipynb
Colaboratory notebook
سلام
یک تابع ساده تنسرفلویی برای مینی پروژه یا تمرین سری 8 شما در گیت درس و آدرس
30-face-tensorflow
قرار گرفت
https://github.com/Alireza-Akhavan/class.vision/tree/master/30-face-tensorflow/face_project
فایل tes.py یک مثال ساده از ایجاد کذهای 128 تایی تصویر با شبکه هایی که خواندیم را نشان میدهد که برای انجام پروژه از مدل نوت بوک بسیار قوی تر و بهتر عمل میکند
یک تابع ساده تنسرفلویی برای مینی پروژه یا تمرین سری 8 شما در گیت درس و آدرس
30-face-tensorflow
قرار گرفت
https://github.com/Alireza-Akhavan/class.vision/tree/master/30-face-tensorflow/face_project
فایل tes.py یک مثال ساده از ایجاد کذهای 128 تایی تصویر با شبکه هایی که خواندیم را نشان میدهد که برای انجام پروژه از مدل نوت بوک بسیار قوی تر و بهتر عمل میکند
GitHub
Alireza-Akhavan/class.vision
Intro to computer vision. Contribute to Alireza-Akhavan/class.vision development by creating an account on GitHub.
کلاس ویژن: یادگیری عمیق و بینایی کامپیوتر
Photo
ورودی این مدل 90 در 90 نیست. 160 در 160 است
Forwarded from Alireza Akhavan
final-exam.pdf
417.4 KB
Alireza Akhavan
final-exam.pdf
سوالات امتحان دیروز،
بارم بندی امتحان از 20 بوده ولی در نهایت 4 نمره پایانی شما را تشکیل خواهد داد.
بارم بندی امتحان از 20 بوده ولی در نهایت 4 نمره پایانی شما را تشکیل خواهد داد.
exam-answer.pdf
572.9 KB
پاسخ نامه آزمون -اصلاح شده
This media is not supported in your browser
VIEW IN TELEGRAM
پاسخ یکی از دانشجویان برای تمرین سری هشتم(بازشناسی چهره هنرپیشه های ایرانی) کلاس مباحث ویژه 1
http://blog.class.vision/winter-96-97-syllabus/
http://blog.class.vision/winter-96-97-syllabus/
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#آموزش #ویدیو
Euclidean Distance & Cosine Similarity
لینک ویدیو:
https://www.tgoop.com/cvision/626
در یادگیری ماشین برای مقایسه دو embedding یا encoding از یک معیار شباهت/عدم شباعت استفاده میکنیم.
که معمولا این معیار در بررسی شباهت داکیومنت، چهره و ... کاربرد دارد.
در اینجا به صورت خلاصه دو معیار فاصله اقلیدسی و شباهت Cosine مطرح میشود.
#face #document #similarity #distance
@cvision
Euclidean Distance & Cosine Similarity
لینک ویدیو:
https://www.tgoop.com/cvision/626
در یادگیری ماشین برای مقایسه دو embedding یا encoding از یک معیار شباهت/عدم شباعت استفاده میکنیم.
که معمولا این معیار در بررسی شباهت داکیومنت، چهره و ... کاربرد دارد.
در اینجا به صورت خلاصه دو معیار فاصله اقلیدسی و شباهت Cosine مطرح میشود.
#face #document #similarity #distance
@cvision
Telegram
Tensorflow
#آموزش #ویدیو
Euclidean Distance & Cosine Similarity
@cvision
Euclidean Distance & Cosine Similarity
@cvision