08 2017 档案

该文被密码保护。
posted @ 2017-08-10 11:05 outthinker 阅读(2) 评论(0) 推荐(0) 编辑
摘要:上一篇我们说完了AnchorTargetLayer层,然后我将Faster rcnn中的其他层看了,这里把ROIPoolingLayer层说一下; 我先说一下它的实现原理:RPN生成的roi区域大小是对应与输入图像大小(而且每一个roi大小都不同,因为先是禅城九种anchors,又经过回归,所以大小 阅读全文
posted @ 2017-08-10 10:38 outthinker 阅读(1737) 评论(0) 推荐(1) 编辑
摘要:转载链接:http://withwsf.github.io/2016/04/14/Caffe-with-Python-Layer/ Caffe通过Boost中的Boost.Python模块来支持使用Python定义Layer: 使用C++增加新的Layer繁琐、耗时而且很容易出错 开发速度与执行速度 阅读全文
posted @ 2017-08-09 10:04 outthinker 阅读(1988) 评论(0) 推荐(0) 编辑
摘要:紧接着之前的博客,我们继续来看faster rcnn中的AnchorTargetLayer层: 该层定义在lib>rpn>中,见该层定义: 首先说一下这一层的目的是输出在特征图上所有点的anchors(经过二分类和回归); (1)输入blob:bottom[0]储存特征图信息,bottom[1]储存 阅读全文
posted @ 2017-08-08 16:27 outthinker 阅读(5007) 评论(2) 推荐(1) 编辑
该文被密码保护。
posted @ 2017-08-06 10:35 outthinker 阅读(2) 评论(0) 推荐(0) 编辑
摘要:接着上篇的博客,咱们继续看一下Faster RCNN的代码~ 上次大致讲完了Faster rcnn在训练时是如何获取imdb和roidb文件的,主要都在train_rpn()的get_roidb()函数中,train_rpn()函数后面的部分基本没什么需要讲的了,那我们再回到训练流程中来: 这一步训 阅读全文
posted @ 2017-08-04 17:53 outthinker 阅读(9779) 评论(3) 推荐(2) 编辑
摘要:这段时间看了不少论文,回头看看,感觉还是有必要将Faster rcnn的源码理解一下,毕竟后来很多方法都和它有相近之处,同时理解该框架也有助于以后自己修改和编写自己的框架。好的开始吧~ 这里我们跟着Faster rcnn的训练流程来一步一步梳理,进入tools\train_faster_rcnn_a 阅读全文
posted @ 2017-08-02 11:58 outthinker 阅读(20812) 评论(10) 推荐(2) 编辑

点击右上角即可分享
微信分享提示