上一页 1 ··· 23 24 25 26 27 28 29 30 31 ··· 62 下一页
摘要: CUDA:链接:http://pan.baidu.com/s/1nvyA3Qp 密码:h0f3 cudnn:链接:http://pan.baidu.com/s/1hr3Ug76 密码:vmdq caffe windows版本:https://github.com/BVLC/caffe/tree/wi 阅读全文
posted @ 2016-11-18 21:59 牧马人夏峥 阅读(234) 评论(0) 推荐(0) 编辑
摘要: 把r-cnn系列总结下,让整个流程更清晰。 整个系列是从r-cnn至spp-net到fast r-cnn再到faster r-cnn。 RCNN 输入图像,使用selective search来构造proposals(大小不一,需归一化),输入到CNN网络来提取特征, 并根据特征来判断是什么物体(分 阅读全文
posted @ 2016-11-17 16:57 牧马人夏峥 阅读(916) 评论(0) 推荐(0) 编辑
摘要: 在学习r-cnn系列时,一直看到SPP-net的身影,许多有疑问的地方在这篇论文里找到了答案。 论文:Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 转自:http://blog.csdn.n 阅读全文
posted @ 2016-11-16 21:45 牧马人夏峥 阅读(7931) 评论(0) 推荐(0) 编辑
摘要: faster r-cnn 1、问题 在fast r-cnn中,proposals已经成为速度提高的瓶颈。在本文中,使用深度网络来计算proposals, 使得与检测网络的计算量相比,proposals的计算量可忽略不计。为此,本文提出了RPN网络(Region Proposal Network), 阅读全文
posted @ 2016-11-16 11:34 牧马人夏峥 阅读(3112) 评论(0) 推荐(0) 编辑
摘要: http://closure11.com/rcnn-fast-rcnn-faster-rcnn%E7%9A%84%E4%B8%80%E4%BA%9B%E4%BA%8B/ 首先看fast r-cnn这篇论文,中间加入了有些博友的想法。 问题 目标检测主要面临两个问题:过多的候选位置(proposals 阅读全文
posted @ 2016-11-15 23:00 牧马人夏峥 阅读(4050) 评论(0) 推荐(0) 编辑
摘要: 使用http://www.cnblogs.com/573177885qq/p/5804863.html中的图片进行训练和测试。 整个流程差不多,fine-tune命令: 因为是用别人训练好的权重,因此weights必选。 关于命令行解析,参考http://www.cnblogs.com/denny4 阅读全文
posted @ 2016-11-11 10:25 牧马人夏峥 阅读(1070) 评论(0) 推荐(0) 编辑
摘要: 均值是所有训练样本的均值,减去之后再进行训练会提高其速度和精度。 1、caffe下的均值 数据格式是二进制的binaryproto,作者提供了计算均值的文件compute_image_mean, 计算均值时调用: 生成的均值文件保存在mean_binaryproto。 2、python格式下的均值( 阅读全文
posted @ 2016-11-09 22:07 牧马人夏峥 阅读(1861) 评论(0) 推荐(0) 编辑
摘要: 用awk中csv文件中取前1000行出来,代码虽少,很容易出错 阅读全文
posted @ 2016-11-06 22:22 牧马人夏峥 阅读(212) 评论(0) 推荐(0) 编辑
摘要: 1 阅读全文
posted @ 2016-11-06 19:34 牧马人夏峥 阅读(74) 评论(0) 推荐(0) 编辑
摘要: http://www.nowcoder.com/test/question/done?tid=5864581&qid=3939#summary 阅读全文
posted @ 2016-10-31 16:05 牧马人夏峥 阅读(94) 评论(0) 推荐(0) 编辑
上一页 1 ··· 23 24 25 26 27 28 29 30 31 ··· 62 下一页