Tensorflow 与Caffe(转)
摘要：TensorFlow TensorFlow 是相对高阶的机器学习库，用户可以方便地用它设计神经网络结构，而不必为了追求高效率的实现亲自写 C++或 CUDA 代码。它和 Theano 一样都支持自动求导，用户不需要再通过反向传播求解梯度。其核心代码和 Caffe 一样是用 C++编写的，使用 C++
阅读全文
posted @
2018-05-31 17:46
NLazyo
阅读(7684)
推荐(0) 编辑
FasterRCNN 提升分类精度(转)
摘要：近年来，随着深度学习的崛起，计算机视觉得到飞速发展。目标检测作为计算机视觉的基础算法，也搭上了深度学习的快车。基于Proposal的检测框架，从R-CNN到Faster R-CNN，算法性能越来越高，速度越来越快。另一方面，直接回归Bounding Box的框架，从YOLO到SSD，在保持速度优势的
阅读全文
posted @
2018-05-31 17:30
NLazyo
阅读(8718)
推荐(0) 编辑
FasterRCNN原理(转)
摘要：在介绍Faster R-CNN之前，先来介绍一些前验知识，为Faster R-CNN做铺垫。 一、基于Region Proposal（候选区域）的深度学习目标检测算法 Region Proposal（候选区域），就是预先找出图中目标可能出现的位置，通过利用图像中的纹理、边缘、颜色等信息，保证在选取较
阅读全文
posted @
2018-05-31 16:04
NLazyo
阅读(21524)
推荐(2) 编辑
Faster-RCNN 算法解读(转)
摘要：论文：《Faster R-CNN: Towards Real-Time ObjectDetection with Region Proposal Networks》 摘要：算法主要解决两个问题： 1、提出区域建议网络RPN，快速生成候选区域； 2、通过交替训练，使RPN和Fast-RCNN网络共享参
阅读全文
posted @
2018-05-31 10:35
NLazyo
阅读(901)
推荐(0) 编辑
win10 caffe python Faster-RCNN训练自己数据集(转)
摘要：一、制作数据集 1. 关于训练的图片 不论你是网上找的图片或者你用别人的数据集，记住一点你的图片不能太小，width和height最好不要小于150。需要是jpeg的图片。 2.制作xml文件 1）LabelImg 如果你的数据集比较小的话，你可以考虑用LabelImg手工打框https://git
阅读全文
posted @
2018-05-30 15:02
NLazyo
阅读(2515)
推荐(0) 编辑
win10 Faster-RCNN训练自己数据集遇到的问题集锦 (转)
摘要：题注: 在win10下训练实在是有太多坑了,在此感谢网上的前辈和大神,虽然有的还会把你引向另一个坑~~. 最近，用faster rcnn跑一些自己的数据，数据集为某遥感图像数据集——RSOD，标注格式跟pascal_voc差不多，但由于是学生团队标注，中间有一些标注错误，也为后面训练埋了很多坑。下面
阅读全文
posted @
2018-05-30 14:31
NLazyo
阅读(5860)
推荐(0) 编辑
win10下安装基于caffe的 Faster-Rcnn
摘要：安装教程 本篇博客将会教会你在Windows下配置py-faster-rcnn，请细心仔细阅读。说白了，Windows下配置这些东西就是一个坑。 安装配置Anaconda 由于py-faster-rcnn要用到python，这里我们使用了Anaconda，Anaconda版本为Anaconda2-4
阅读全文
posted @
2018-05-29 11:00
NLazyo
阅读(816)
推荐(0) 编辑
Windows 10下安装配置Caffe并支持GPU加速(修改版)
摘要：基本环境 建议严格按照版本来 - Windows 10 - Visual Studio 2013 - Matlab R2016b - Anaconda - CUDA 8.0.44 - cuDNN v4 1. 安装CUDA 8.0 安装完后，程序会自动地添加一个CUDA_PATH的环境变量： 2. 下
阅读全文
posted @
2018-05-18 11:25
NLazyo
阅读(10560)
推荐(1) 编辑
Python 基础语法
摘要：http://www.runoob.com/python/python-basic-syntax.html
阅读全文
posted @
2018-05-17 15:14
NLazyo
阅读(164)
推荐(0) 编辑
Halcon 彩色图片通道分割处理
摘要：1.RGB通道：R红色，G绿色，B蓝色；R、G、B各占一个字节，取值范围在0—255；可代表的颜色数256*256*256==2^24 黑色区域是：R=G=B=0; 白色区域是：R=G=B=255; 黄色：R=G=255，B=0； decompose3 (Image, Image1,Image2,
阅读全文
posted @
2018-05-11 14:07
NLazyo
阅读(9578)
推荐(1) 编辑
