摘要：
1、kitti数据集（参考博客：https://blog.csdn.net/jesse_mx/article/details/65634482 https://blog.csdn.net/baolinq/article/details/78939192）（1）下载数据集和标签，下载第1个图片集 Do 阅读全文
摘要：
速度优化的方向：1、减少输入图片的尺寸， 但是相应的准确率可能会有所下降2、优化darknet工程源代码（去掉一些不必要的运算量或者优化运算过程）3、剪枝和量化yolov3网络（压缩模型 > 减枝可以参考tiny-yolo的过程 ， 量化可能想到的就是定点化可能也需要牺牲精度）4、darknet > 阅读全文
摘要：
1、【yolov1】 第一步：将图像划分为S*S的栅格（grid cell），这里分成了7*7的grid cell。栅格的任务是：检测中心落在该栅格中的物体（注意，栅格中心未必与物体的中心重合，这个一定要明确，对后面的理解才不会产生影响）。 第二步：一个grid cell 可以预测B个boundin 阅读全文
摘要：
1、ls ls -l |grep "^-" | wc -l 显示当前文件夹文件数量 ls -a 显示隐藏文件 ls -l *.log 查看指定后缀名文件的详细信息 2、查看分区大小及使用情况df -h 3、ubuntu 16.04中 访问服务常用的方式是ssh ， 检查服务器是否可通过ssh访问及解 阅读全文
摘要：
darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。1、test源码(泛化过程) (1)test image a(预测):load_network（network.c） 阅读全文
摘要：
1、提高深度学习模型识别率的准确率的思考（1）数据增强技术（图像翻转、白化），对训练数据做一些处理增加数据的抗造性能（2）模型改进，尝试多种模型（3）调整学习率首先使用较大的学习率进行训练，观察目标函数值和验证集准确率的收敛曲线，如果目标函数值下降速度和验证集准确率上升速度出现减缓时，减小学习率。循 阅读全文
摘要：
Batch Normalization的加速作用体现在两个方面：一是归一化了每层和每维度的scale，所以可以整体使用一个较高的学习率，而不必像以前那样迁就小scale的维度；二是归一化后使得更多的权重分界面落在了数据中，降低了overfit的可能性，因此一些防止overfit但会降低速度的方法，例 阅读全文
摘要：
训练网络时，通常先对网络的初始权值按照某种分布进行初始化，如：高斯分布。初始化权值操作对最终网络的性能影响比较大，合适的网络初始权值能够使得损失函数在训练过程中的收敛速度更快，从而获得更好的优化结果。但是按照某类分布随机初始化网络权值时，存在一些不确定因素，并不能保证每一次初始化操作都能使得网络的初 阅读全文