博博的Blog

2019年10月10日

摘要： Faster RCNN Fast RCNN基本实现端对端（除了proposal阶段外），下一步自然就是要把proposal阶段也用CNN实现（放到GPU上）。这就出现了Faster RCNN，一个完全end to end的CNN对象检测模型（现在是完全的端对端的网络了）。论文提出：网络中的各个卷积阅读全文

posted @ 2019-10-10 16:54 博博的Blog 阅读(308) 评论(0) 推荐(0) 编辑

Fast RCNN

摘要：回顾 RCNN与Sppnet 可见，Sppnet依然是用了SVM加bbox regression这个套路。创新点 1 联合训练实现大部分end to end训练(提proposal阶段除外)：所有的特征都暂存在显存中，就不需要额外的磁盘空。 joint training （SVM分类，bbox 阅读全文

posted @ 2019-10-10 09:27 博博的Blog 阅读(306) 评论(0) 推荐(0) 编辑

SPPnet

摘要：首先做一个补充：在RCNN中CNN阶段的流程大致如下： SPP创新点一张图图片会有~2k个候选框，每一个都要单独输入CNN做卷积等操作很费时。SPP net提出：能否在feature map上提取ROI特征，这样就只需要在整幅图像上做一次卷积。虽然总体流程还是 Selective Search 阅读全文

posted @ 2019-10-10 08:05 博博的Blog 阅读(301) 评论(0) 推荐(0) 编辑

2019年10月9日

RCNN

摘要： RCNN是将CNN引入目标检测的开山之作一、创新点 1、引入Selective Search，预先提取一系列较可能是物体的候选区域，之后仅在这些候选区域上(采用CNN)提取特征，进行判断。 2、预训练：使用两个数据库：一个较大的识别库（ImageNet ILSVC 2012）：标定每张图片中物体阅读全文

posted @ 2019-10-09 16:03 博博的Blog 阅读(319) 评论(0) 推荐(0) 编辑

2019年10月8日

Tensorflow细节-P186-队列与多线程

摘要：先感受一下队列之美一个多线程的示例 import tensorflow as tf import numpy as np import threading import time def MyLoop(coord, worker_id): while not coord.should_stop() 阅读全文

posted @ 2019-10-08 21:45 博博的Blog 阅读(179) 评论(0) 推荐(0) 编辑

2019年10月7日

Tensorflow细节-P174-真正的图像预处理

摘要：注意这里的读取 ,写入所用的函数，注意这里及以下都是调用的tf.image. 重新调整图片大小API 裁剪或填充图片截取中间50%的图片翻转图片处理标注框图像的裁剪区域必须包含所提供的任意一个边界框的至少 min_object_covered 的内容。阅读全文

posted @ 2019-10-07 17:32 博博的Blog 阅读(204) 评论(0) 推荐(0) 编辑

Tensorflow细节-P170-图像数据预处理

摘要：由于6.5中提出的TFRecord非常复杂，可扩展性差，所以本节换一种方式读取时注意使用了多线程阅读全文

posted @ 2019-10-07 14:49 博博的Blog 阅读(239) 评论(0) 推荐(0) 编辑

2019年10月6日

Tensorflow细节-P160-迁移学习

摘要：这是一个完整的程序，值得保存 1、对图片进行预处理并保存阅读全文

posted @ 2019-10-06 15:26 博博的Blog 阅读(228) 评论(0) 推荐(0) 编辑